o4-mini הוא מודל ההנמקה הקומפקטי של OpenAI מסדרת o-series, המותאם להנמקה מהירה ויעילה בתכנות ובמשימות חזותיות. הוא מקבל טקסט ותמונות ומפיק טקסט. תפקידו השימושי הוא בעיה טכנית מוגדרת הדורשת ניתוח לפני התשובה: הבנת כשל קוד, פירוש דיאגרמה, קישור עובדות בחומר שסופק או הפקת תוצאה מובנית ששלב מאוחר יותר יכול להשתמש בה.
לתכנות, תנו למודל את הפונקציה או הקבצים הרלוונטיים, את ההתנהגות הצפויה ואת הקלט או השגיאה המדויקים שגורמים לכשל. כללו את פרטי השפה והסביבה שמשפיעים על התוצאה. בקשה ממוקדת יכולה לבקש את הסיבה הסבירה, תיקון מוצע מינימלי והסבר כיצד השינוי מטפל בהתנהגות שנצפתה. הגדירו את גבולות השינוי, כמו שמירה על הממשק הציבורי או על משמעות הנתונים הקיימים, כדי שיהיה אפשר לבדוק את התוצאה מול המשימה בפועל.
לבעיה חזותית, ספקו צילום מסך, דיאגרמה או תרשים קריאים והגדירו את השאלה שהם צריכים לענות עליה. שמרו תוויות, צירים ויחידות משמעותיים גלויים. תדריך לדוגמה הוא להסביר במה תרשים תומך, לציין את התצפיות ששימשו ולהפריד בין ערך נראה להסקה. למשימת מסמך, תנו תוויות לחומר המקור והגדירו את השדות או היחסים הנדרשים בתשובה. גם מודל קומפקטי מפיק תועלת ממידע מלא על הבעיה ומבקשת פלט מדויקת.
OpenAI מציינת חלון הקשר של 200,000 טוקנים, פלט מרבי של 100,000 טוקנים ותאריך עדכון ידע אחרון של 1 ביוני 2024. טוקני הנמקה צורכים גם קיבולת הקשר וגם קיבולת פלט, ולכן השאירו מקום לניתוח ולתשובה הסופית במקום למלא את כל המכסה בקלט. הגעה למגבלת הקשר או פלט יכולה להפיק תגובה לא שלמה עוד לפני שמופיע טקסט תשובה גלוי. תשובה סופית קצרה עדיין יכולה לדרוש הנמקה פנימית; האורך הגלוי שלה לבדו אינו מתאר את מלוא תקציב הטוקנים.
עמוד מודל o4-mini המסוים מונה את הממשקים Chat Completions, Responses, Batch וכוונון עדין. התכונות המתועדות שלו כוללות סטרימינג, Structured Outputs, קריאות לפונקציות, העלאת קבצים, קלט תמונה, חיפוש בקבצים, שמירת הנחיות במטמון וכוונון עדין. אוסף הכלים מונה חיפוש ברשת ובקבצים, הרצת קוד וחיבורי MCP. תנו לכלי יישום מטרה ברורה וחוזה קלט, החזירו את התוצאה בפועל ובקשו מהמודל להשתמש בה בהחלטה הבאה. קריאת פונקציה שהתבקשה היא הצעת פעולה, ותשובה סופית מובנית מארגנת את המידע שהמשימה מפיקה.
הנחיות כתיבת הפרומפטים של OpenAI לסדרת o-series ממליצות על מטרה פשוטה וישירה עם מגבלות מפורשות ותוחמים ברורים סביב חומר המקור. תנו למודל לעבד את הבעיה פנימית; בקשו את ההסבר הסופי, את הראיות או את החישוב הדרושים במקום תמליל של הנמקה נסתרת. נסו תחילה תדריך משימה ברור, ואז הוסיפו דוגמאות כשפורמט נדרש או גבול קטגוריה נשארים לא ברורים. דוגמה צריכה להדגים את אותם כללים כמו המשימה האמיתית, כולל אופן ייצוג מידע חסר.
ליישומים שצריכים הסבר אופציונלי לתהליך ההנמקה, מדריך ההנמקה של OpenAI מתעד במפורש סיכומי הנמקה מפורטים עבור o4-mini. יש לבקש סיכום והוא נפרד מטוקני ההנמקה הפנימיים הגולמיים, שאינם נחשפים. התשובה הסופית עדיין צריכה להכיל את התוצאה שהמשתמש ביקש: למשל שינוי קוד מוצע, פרשנות תרשים עם תצפיות רלוונטיות או שדות שחולצו ומקושרים לחומר שסופק. ספקו עובדות עדכניות כשהן חשובות, אמתו טענות חשובות מול המקור שלהן והשתמשו במשימה מוגבלת ובקריטריון השלמה כדי לשמור על תהליך ממוקד.
", "aboutText": "o4-mini הוא מודל ההנמקה הקומפקטי של OpenAI מסדרת o-series, המותאם להנמקה מהירה ויעילה בתכנות ובמשימות חזותיות. הוא מקבל טקסט ותמונות ומפיק טקסט. תפקידו השימושי הוא בעיה טכנית מוגדרת הדורשת ניתוח לפני התשובה: הבנת כשל קוד, פירוש דיאגרמה, קישור עובדות בחומר שסופק או הפקת תוצאה מובנית ששלב מאוחר יותר יכול להשתמש בה.\n\nלתכנות, תנו למודל את הפונקציה או הקבצים הרלוונטיים, את ההתנהגות הצפויה ואת הקלט או השגיאה המדויקים שגורמים לכשל. כללו את פרטי השפה והסביבה שמשפיעים על התוצאה. בקשה ממוקדת יכולה לבקש את הסיבה הסבירה, תיקון מוצע מינימלי והסבר כיצד השינוי מטפל בהתנהגות שנצפתה. הגדירו את גבולות השינוי, כמו שמירה על הממשק הציבורי או על משמעות הנתונים הקיימים, כדי שיהיה אפשר לבדוק את התוצאה מול המשימה בפועל.\n\nלבעיה חזותית, ספקו צילום מסך, דיאגרמה או תרשים קריאים והגדירו את השאלה שהם צריכים לענות עליה. שמרו תוויות, צירים ויחידות משמעותיים גלויים. תדריך לדוגמה הוא להסביר במה תרשים תומך, לציין את התצפיות ששימשו ולהפריד בין ערך נראה להסקה. למשימת מסמך, תנו תוויות לחומר המקור והגדירו את השדות או היחסים הנדרשים בתשובה. גם מודל קומפקטי מפיק תועלת ממידע מלא על הבעיה ומבקשת פלט מדויקת.\n\nOpenAI מציינת חלון הקשר של 200,000 טוקנים, פלט מרבי של 100,000 טוקנים ותאריך עדכון ידע אחרון של 1 ביוני 2024. טוקני הנמקה צורכים גם קיבולת הקשר וגם קיבולת פלט, ולכן השאירו מקום לניתוח ולתשובה הסופית במקום למלא את כל המכסה בקלט. הגעה למגבלת הקשר או פלט יכולה להפיק תגובה לא שלמה עוד לפני שמופיע טקסט תשובה גלוי. תשובה סופית קצרה עדיין יכולה לדרוש הנמקה פנימית; האורך הגלוי שלה לבדו אינו מתאר את מלוא תקציב הטוקנים.\n\nעמוד מודל o4-mini המסוים מונה את הממשקים Chat Completions, Responses, Batch וכוונון עדין. התכונות המתועדות שלו כוללות סטרימינג, Structured Outputs, קריאות לפונקציות, העלאת קבצים, קלט תמונה, חיפוש בקבצים, שמירת הנחיות במטמון וכוונון עדין. אוסף הכלים מונה חיפוש ברשת ובקבצים, הרצת קוד וחיבורי MCP. תנו לכלי יישום מטרה ברורה וחוזה קלט, החזירו את התוצאה בפועל ובקשו מהמודל להשתמש בה בהחלטה הבאה. קריאת פונקציה שהתבקשה היא הצעת פעולה, ותשובה סופית מובנית מארגנת את המידע שהמשימה מפיקה.\n\nהנחיות כתיבת הפרומפטים של OpenAI לסדרת o-series ממליצות על מטרה פשוטה וישירה עם מגבלות מפורשות ותוחמים ברורים סביב חומר המקור. תנו למודל לעבד את הבעיה פנימית; בקשו את ההסבר הסופי, את הראיות או את החישוב הדרושים במקום תמליל של הנמקה נסתרת. נסו תחילה תדריך משימה ברור, ואז הוסיפו דוגמאות כשפורמט נדרש או גבול קטגוריה נשארים לא ברורים. דוגמה צריכה להדגים את אותם כללים כמו המשימה האמיתית, כולל אופן ייצוג מידע חסר.\n\nליישומים שצריכים הסבר אופציונלי לתהליך ההנמקה, מדריך ההנמקה של OpenAI מתעד במפורש סיכומי הנמקה מפורטים עבור o4-mini. יש לבקש סיכום והוא נפרד מטוקני ההנמקה הפנימיים הגולמיים, שאינם נחשפים. התשובה הסופית עדיין צריכה להכיל את התוצאה שהמשתמש ביקש: למשל שינוי קוד מוצע, פרשנות תרשים עם תצפיות רלוונטיות או שדות שחולצו ומקושרים לחומר שסופק. ספקו עובדות עדכניות כשהן חשובות, אמתו טענות חשובות מול המקור שלהן והשתמשו במשימה מוגבלת ובקריטריון השלמה כדי לשמור על תהליך ממוקד.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4d12284cfc77f14904b16e97465aca70659f0f2fc91d15bf4654da63de0c18f5", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "he", "methods": [ { "html": "openai/o4-mini:batchOpenAI o4-mini הוא מודל הנמקה קומפקטי המתמקד בתכנות יעיל ובמשימות חזותיות. הוא מקבל טקסט ותמונות, מחזיר טקסט ותומך בתשובות מובנות ובכלים לפתרון בעיה טכנית מוגבלת או לחילוץ מסקנה מועילה מחומר שסופק.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
o4-mini הוא מודל ההנמקה הקומפקטי של OpenAI מסדרת o-series, המותאם להנמקה מהירה ויעילה בתכנות ובמשימות חזותיות. הוא מקבל טקסט ותמונות ומפיק טקסט. תפקידו השימושי הוא בעיה טכנית מוגדרת הדורשת ניתוח לפני התשובה: הבנת כשל קוד, פירוש דיאגרמה, קישור עובדות בחומר שסופק או הפקת תוצאה מובנית ששלב מאוחר יותר יכול להשתמש בה.
לתכנות, תנו למודל את הפונקציה או הקבצים הרלוונטיים, את ההתנהגות הצפויה ואת הקלט או השגיאה המדויקים שגורמים לכשל. כללו את פרטי השפה והסביבה שמשפיעים על התוצאה. בקשה ממוקדת יכולה לבקש את הסיבה הסבירה, תיקון מוצע מינימלי והסבר כיצד השינוי מטפל בהתנהגות שנצפתה. הגדירו את גבולות השינוי, כמו שמירה על הממשק הציבורי או על משמעות הנתונים הקיימים, כדי שיהיה אפשר לבדוק את התוצאה מול המשימה בפועל.
לבעיה חזותית, ספקו צילום מסך, דיאגרמה או תרשים קריאים והגדירו את השאלה שהם צריכים לענות עליה. שמרו תוויות, צירים ויחידות משמעותיים גלויים. תדריך לדוגמה הוא להסביר במה תרשים תומך, לציין את התצפיות ששימשו ולהפריד בין ערך נראה להסקה. למשימת מסמך, תנו תוויות לחומר המקור והגדירו את השדות או היחסים הנדרשים בתשובה. גם מודל קומפקטי מפיק תועלת ממידע מלא על הבעיה ומבקשת פלט מדויקת.
OpenAI מציינת חלון הקשר של 200,000 טוקנים, פלט מרבי של 100,000 טוקנים ותאריך עדכון ידע אחרון של 1 ביוני 2024. טוקני הנמקה צורכים גם קיבולת הקשר וגם קיבולת פלט, ולכן השאירו מקום לניתוח ולתשובה הסופית במקום למלא את כל המכסה בקלט. הגעה למגבלת הקשר או פלט יכולה להפיק תגובה לא שלמה עוד לפני שמופיע טקסט תשובה גלוי. תשובה סופית קצרה עדיין יכולה לדרוש הנמקה פנימית; האורך הגלוי שלה לבדו אינו מתאר את מלוא תקציב הטוקנים.
עמוד מודל o4-mini המסוים מונה את הממשקים Chat Completions, Responses, Batch וכוונון עדין. התכונות המתועדות שלו כוללות סטרימינג, Structured Outputs, קריאות לפונקציות, העלאת קבצים, קלט תמונה, חיפוש בקבצים, שמירת הנחיות במטמון וכוונון עדין. אוסף הכלים מונה חיפוש ברשת ובקבצים, הרצת קוד וחיבורי MCP. תנו לכלי יישום מטרה ברורה וחוזה קלט, החזירו את התוצאה בפועל ובקשו מהמודל להשתמש בה בהחלטה הבאה. קריאת פונקציה שהתבקשה היא הצעת פעולה, ותשובה סופית מובנית מארגנת את המידע שהמשימה מפיקה.
הנחיות כתיבת הפרומפטים של OpenAI לסדרת o-series ממליצות על מטרה פשוטה וישירה עם מגבלות מפורשות ותוחמים ברורים סביב חומר המקור. תנו למודל לעבד את הבעיה פנימית; בקשו את ההסבר הסופי, את הראיות או את החישוב הדרושים במקום תמליל של הנמקה נסתרת. נסו תחילה תדריך משימה ברור, ואז הוסיפו דוגמאות כשפורמט נדרש או גבול קטגוריה נשארים לא ברורים. דוגמה צריכה להדגים את אותם כללים כמו המשימה האמיתית, כולל אופן ייצוג מידע חסר.
ליישומים שצריכים הסבר אופציונלי לתהליך ההנמקה, מדריך ההנמקה של OpenAI מתעד במפורש סיכומי הנמקה מפורטים עבור o4-mini. יש לבקש סיכום והוא נפרד מטוקני ההנמקה הפנימיים הגולמיים, שאינם נחשפים. התשובה הסופית עדיין צריכה להכיל את התוצאה שהמשתמש ביקש: למשל שינוי קוד מוצע, פרשנות תרשים עם תצפיות רלוונטיות או שדות שחולצו ומקושרים לחומר שסופק. ספקו עובדות עדכניות כשהן חשובות, אמתו טענות חשובות מול המקור שלהן והשתמשו במשימה מוגבלת ובקריטריון השלמה כדי לשמור על תהליך ממוקד.
POST /v1/batchestexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהendpoint | סוגstring | דרישהחובה | ערכים ומגבלות /v1/chat/completions | ברירת מחדל— |
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות openai/o4-mini:batch | ברירת מחדל— |
שדהrequests | סוגbatch_item[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהrequests[].custom_id | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהrequests[].body.messages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהcompletion_window | סוגstring | דרישהרשות | ערכים ומגבלות 24h | ברירת מחדל— |
שדהprovider | סוגobject|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהrequests[].body.model | סוגstring | דרישהרשות | ערכים ומגבלות openai/o4-mini:batch, openai/o4-mini | ברירת מחדל— |
שדהprovider.only | סוגstring[] | דרישהרשות | ערכים ומגבלות openai | ברירת מחדל— |
שדהprovider.allow_fallbacks | סוגboolean|null | דרישהרשות | ערכים ומגבלות false, null | ברירת מחדל— |
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטendpoint, model, requests |
פרמטרmaterial_types | מפרטtext |
פרמטרrepresentation | מפרטrequests[] מוטמעים; לכל פריט יש custom_id ו־body |
פרמטרrequest_endpoint_profile | מפרט/v1/chat/completions |
פרמטרfile_material | מפרטהגורם הקורא רשאי לקרוא מקומית תוכן JSONL אמיתי בקידוד UTF-8 לתוך requests[]. לא נעשה שימוש בשדה purpose להעלאה, ב־input_file_id או בהפניה לקובץ. חומר לקוח חסר או ריק עוצר את ההכנה לפני POST. |
פרמטרserialization_order | מפרטendpoint, model, provider (אם צוין), completion_window (אם צוין), requests בסוף |
פרמטרoptional_controls | מפרטprovider.only, provider.allow_fallbacks, completion_window |
פרמטרschema_scope | מפרטגופי בקשות טקסט של Chat Completions במעטפת Batch המוטמעת המתועדת. |
מחזור חיים: asynchronous
GET /v1/batches/{operation_id} · ערך response.id מבקשת היצירה המקורית שהוחזר בפועל; אותם משתמש/מפתח/קבוצה
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0011 / 1K טוקנים פלט · טוקני פלט $0.0044 / 1K טוקנים קלט · קריאה מהמטמון $0.000275 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0011 / 1K טוקנים פלט · טוקני פלט $0.0044 / 1K טוקנים קלט · קריאה מהמטמון $0.000275 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${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/o4-mini: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/o4-mini:batch', 'openai/o4-mini']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/o4-mini: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 מוטמע מתוך results[].response.body
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\nשמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את JSON הסטטוס המקורי במלואו, כל תוצאה/custom_id ואת גוף התשובה או השגיאה המלא. שמרו את results[] שהושלמו כ־JSONL ללא סינון.
שמרו את מזהה הפעולה המקורי. לתשובת 503 result_pending_check יש X-Should-Retry:false; לעולם אל תשלחו מחדש אצווה מקורית שתוצאתה אינה ידועה.
| שדה | סוג |
|---|---|
שדהresults[].custom_id | סוגstring |
שדהresults[].response.body.choices[].message.content | סוגstring|null |
שדהresults[].error | סוגobject|null |
שדהusage | סוגobject|null |
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהendpoint | סוגstring |
שדהstatus | סוגstring |
שדהrequest_counts | סוגobject |
שדהresults[].id | סוגstring |
שדהresults[].response.status_code | סוגinteger |
שדהresults[].response.request_id | סוגstring |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאימעטפת מוטמעת מתועדת לא תקינה, מפתחות כפולים, זהות פריט לא תקינה או סתירה ביכולות המודל שהוגדרו. | השלב הבאתקנו את השדות שצוינו לפני כל שליחה חדשה. |
תגובה401 · authentication_error | תנאימפתח API לא תקין. | השלב הבאהשתמשו במפתח Ailoot המורשה. |
תגובה403 · permission_error | תנאיקבוצת Batch אינה זמינה. | השלב הבאבדקו את הרשאות המפתח/הקבוצה. |
תגובה422 · invalid_request_error | תנאיBatch מחויב מהיתרה; יצירה בחיוב מנוי נדחית. | השלב הבאהשתמשו בקבוצה המורשית שהחיוב שלה מנוכה מהיתרה. |
תגובה422 · price_unavailable | תנאילא ניתן לחשב הצעת מחיר לקלט Batch. | השלב הבאשמרו את התשובה; השתמשו בקלט המתועד למשפחת ה־API. |
תגובה402 · billing_error | תנאיהסכום לשריון עבור Batch אינו זמין. | השלב הבאפתרו את הבעיה המונעת את קבלת הבקשה לפני שליחת בקשה חדשה. |
תגובה503 · price_unavailable | תנאיהמחיר לשיטת Batch או התעריפים המקוריים אינם זמינים. | השלב הבאשמרו את התשובה; אל תחליפו את המחירים. |
תגובה503 · api_error | תנאינתיב הספק המדויק אינו זמין. | השלב הבאשמרו את התשובה לצורך תיקון נתיב הניתוב. |
תגובה503 · result_pending_check | תנאיהתוצאה המקורית דורשת בדיקה; X-Should-Retry:false. | השלב הבאשמרו את operation_id/id המקורי וקראו את הסטטוס שלו; לעולם אל תחזרו על ה־POST המקורי. |
תגובה404 · not_found | תנאיהפעולה לבדיקת סטטוס Batch אינה קיימת או שייכת לזהות אחרת. | השלב הבאהשתמשו בערך id המקורי המדויק ובאותם משתמש/מפתח/קבוצה. |
Ailoot Ultra openai/o4-mini:batch
השתמשו בנתיבי השיטות המוצגים למעלה.