A GPT-4.1 Nano az OpenAI GPT-4.1 családjának leggyorsabb tagja, külön következtetési lépés nélküli utasításkövetésre és eszközhívásra tervezve. Szöveget és képeket fogad, és szöveget állít elő. A Nano jól meghatározott művelethez alkalmas, amelyben az alkalmazás tömör választ, mezők halmazát vagy a következő eszközkérést igényli, nem terjedelmes vizsgálatot.
Hasznos példa lehet beérkező üzenetek besorolása megadott kategóriák szerint. Magyarázza el a kategóriákat, mutassa meg a kétértelmű vagy a feladatkörön kívüli üzenetek megjelenítését, és kérje a kategóriát az azt alátámasztó forráskifejezéssel együtt. Adatkinyeréshez határozza meg a mezőneveket, az engedélyezett értékeket és a hiányzó információ kezelését. Rövid szövegírási feladathoz adja meg a tényeket, és kérje az alkalmazás következő szakaszához szükséges konkrét szövegrészt. A példák és korlátok legyenek elég rövidek és körülhatároltak ahhoz, hogy nagy forrásgyűjtemény mellett is egyértelműek maradjanak.
A gyártó 1 047 576 tokenes kontextusablakot, legfeljebb 32 768 tokenes kimenetet és 2024. június 1-jei tudáshatárt sorol fel. Ezek a specifikációk megegyeznek a GPT-4.1 Mini ablakával, miközben megőrzik a Nano különálló modellidentitását és a gyors válaszra összpontosító szerepét. Jelölje meg a dokumentumokat és beszélgetési szakaszokat, csak a művelethez releváns kontextust használja, és hagyjon helyet a teljes válasznak. Lekérdezési eredmények vagy megadott referenciaszöveg a modell tanult tudásánál újabb tényeket is adhatnak.
A Nano streamelést és Structured Outputs támogatást biztosít. A séma szerint korlátozott végső válasz más célt szolgál, mint a függvényhívás: az egyik befejezett eredményt ad az alkalmazásnak, a másik művelet elvégzését kéri tőle. A Structured Outputs a JSON Schema egy részhalmazát támogatja; határozza meg a szükséges tulajdonságokat és az ismeretlen értékek egyértelmű megjelenítését. A visszautasításokat és hiányos válaszokat külön kezelje, a kinyert értékeket pedig a bemenet alapján ellenőrizze, ne azonosítsa az érvényes szerkezetet a helyes következtetéssel.
A dokumentált eszközkészlet függvényhívást, fájlkeresést, kódértelmezést, MCP-kapcsolatokat és külön képgeneráló eszközt tartalmaz. Az alkalmazás megadja az eszközleírásokat és sémákat, végrehajtja az egyedi függvényeket, és visszaadja a tényleges eredményeiket. A 2025. április 14-i Nano modellpillanatképnél az OpenAI kifejezetten a párhuzamos eszközhívások kikapcsolását ajánlja, mert a modell egy fordulóban többször is kérheti ugyanazt az eszközt. Ez a konkrét pillanatkép végrehajtási szempontja, nem indok több javasolt hívás végrehajtott műveletként történő értelmezésére.
A képbemenet vizuális bizonyítékot ad egy szöveges feladathoz, például látható felirat elolvasásához vagy képernyőképen szereplő állapot leírásához. Támogatott PNG, JPEG, WebP vagy nem animált GIF képet használjon, a szöveg maradjon olvasható, és magyarázza el a fontos megfigyelést. A képi útmutató kis vagy elforgatott szövegnél, pontos térbeli összefüggéseknél, objektumszámlálásnál és egyes nem latin írásrendszereknél nehézségeket jelez. Adjon környező kontextust, ha egy kivágás önmagában kétértelművé tenné a feliratot vagy ábrát. A Nano saját válasza szöveg; a képgeneráló eszköz külön képi eredményt ad vissza. Az OpenAI dokumentált képi munkafolyamatában a kérés teljes adatmennyiségének korlátja 512 MB, és egy kérés legfeljebb 1 500 képet tartalmazhat; a képeknek és a szövegnek a modell kontextusába is bele kell férniük.
A gyártó fájlmunkafolyamatában a képeket is értelmező modell a PDF-ekből kinyert szöveget és az oldalak képeit egyaránt megkapja. Más dokumentumformátumok kinyert szöveget adnak, a táblázatok kiegészítő feldolgozása pedig munkalaponként legfeljebb az első 1 000 sort veszi figyelembe. Egy fájlnak 50 MB alatt kell lennie, a kérés teljes fájlkerete pedig 50 MB. A Chat Completions PDF-fájlrészeket támogat, a dokumentált Responses munkafolyamat további fájltípusokat fogad. Nem PDF dokumentumok beágyazott grafikonjai nem kerülnek át képi tartalomként, ezért a PDF-reprezentáció hasznos, ha fontos a vizuális bizonyíték.
Az OpenAI bemeneti gyorsítótárazást dokumentál a Nano modellhez és Predicted Outputs támogatást a GPT-4.1 Nano sorozathoz. A bemeneti gyorsítótárazás a gyártó szolgáltatásában alkalmas bemeneti előtagot használ újra. A Predicted Outputs ezzel szemben nagyrészt ismert kimeneti szöveget ad egy módosításhoz, például dokumentum vagy kódfájl átdolgozásához a változatlan részek megőrzésével. A predikciós út csak szöveges, és többek között kizárja a függvényhívást, a logprobs és max_completion_tokens használatát. A tényleges műveletnek megfelelő utat válassza, és eredményét tartsa az eredeti forráshoz kötve.
A gyártó a Nano megnevezett GPT-4.1 modellpillanatképéhez felügyelt finomhangolást és közvetlen preferenciaoptimalizálást is dokumentál. Tanítópéldák és előnyben részesített, illetve elutasított válaszok ismétlődő feladathoz igazítanak egy modellt; ezek különböznek a szokásos kéréshez megadott kontextustól. Gyakorlati adatkinyerési vagy osztályozási szakasznál világos kategóriákkal, példákkal és egyértelmű végső formátummal kezdjen, majd vizsgálja meg, hogy a visszaadott mezők megőrzik-e a következő szakaszban felhasznált tényeket.
", "aboutText": "A GPT-4.1 Nano az OpenAI GPT-4.1 családjának leggyorsabb tagja, külön következtetési lépés nélküli utasításkövetésre és eszközhívásra tervezve. Szöveget és képeket fogad, és szöveget állít elő. A Nano jól meghatározott művelethez alkalmas, amelyben az alkalmazás tömör választ, mezők halmazát vagy a következő eszközkérést igényli, nem terjedelmes vizsgálatot.\n\nHasznos példa lehet beérkező üzenetek besorolása megadott kategóriák szerint. Magyarázza el a kategóriákat, mutassa meg a kétértelmű vagy a feladatkörön kívüli üzenetek megjelenítését, és kérje a kategóriát az azt alátámasztó forráskifejezéssel együtt. Adatkinyeréshez határozza meg a mezőneveket, az engedélyezett értékeket és a hiányzó információ kezelését. Rövid szövegírási feladathoz adja meg a tényeket, és kérje az alkalmazás következő szakaszához szükséges konkrét szövegrészt. A példák és korlátok legyenek elég rövidek és körülhatároltak ahhoz, hogy nagy forrásgyűjtemény mellett is egyértelműek maradjanak.\n\nA gyártó 1 047 576 tokenes kontextusablakot, legfeljebb 32 768 tokenes kimenetet és 2024. június 1-jei tudáshatárt sorol fel. Ezek a specifikációk megegyeznek a GPT-4.1 Mini ablakával, miközben megőrzik a Nano különálló modellidentitását és a gyors válaszra összpontosító szerepét. Jelölje meg a dokumentumokat és beszélgetési szakaszokat, csak a művelethez releváns kontextust használja, és hagyjon helyet a teljes válasznak. Lekérdezési eredmények vagy megadott referenciaszöveg a modell tanult tudásánál újabb tényeket is adhatnak.\n\nA Nano streamelést és Structured Outputs támogatást biztosít. A séma szerint korlátozott végső válasz más célt szolgál, mint a függvényhívás: az egyik befejezett eredményt ad az alkalmazásnak, a másik művelet elvégzését kéri tőle. A Structured Outputs a JSON Schema egy részhalmazát támogatja; határozza meg a szükséges tulajdonságokat és az ismeretlen értékek egyértelmű megjelenítését. A visszautasításokat és hiányos válaszokat külön kezelje, a kinyert értékeket pedig a bemenet alapján ellenőrizze, ne azonosítsa az érvényes szerkezetet a helyes következtetéssel.\n\nA dokumentált eszközkészlet függvényhívást, fájlkeresést, kódértelmezést, MCP-kapcsolatokat és külön képgeneráló eszközt tartalmaz. Az alkalmazás megadja az eszközleírásokat és sémákat, végrehajtja az egyedi függvényeket, és visszaadja a tényleges eredményeiket. A 2025. április 14-i Nano modellpillanatképnél az OpenAI kifejezetten a párhuzamos eszközhívások kikapcsolását ajánlja, mert a modell egy fordulóban többször is kérheti ugyanazt az eszközt. Ez a konkrét pillanatkép végrehajtási szempontja, nem indok több javasolt hívás végrehajtott műveletként történő értelmezésére.\n\nA képbemenet vizuális bizonyítékot ad egy szöveges feladathoz, például látható felirat elolvasásához vagy képernyőképen szereplő állapot leírásához. Támogatott PNG, JPEG, WebP vagy nem animált GIF képet használjon, a szöveg maradjon olvasható, és magyarázza el a fontos megfigyelést. A képi útmutató kis vagy elforgatott szövegnél, pontos térbeli összefüggéseknél, objektumszámlálásnál és egyes nem latin írásrendszereknél nehézségeket jelez. Adjon környező kontextust, ha egy kivágás önmagában kétértelművé tenné a feliratot vagy ábrát. A Nano saját válasza szöveg; a képgeneráló eszköz külön képi eredményt ad vissza. Az OpenAI dokumentált képi munkafolyamatában a kérés teljes adatmennyiségének korlátja 512 MB, és egy kérés legfeljebb 1 500 képet tartalmazhat; a képeknek és a szövegnek a modell kontextusába is bele kell férniük.\n\nA gyártó fájlmunkafolyamatában a képeket is értelmező modell a PDF-ekből kinyert szöveget és az oldalak képeit egyaránt megkapja. Más dokumentumformátumok kinyert szöveget adnak, a táblázatok kiegészítő feldolgozása pedig munkalaponként legfeljebb az első 1 000 sort veszi figyelembe. Egy fájlnak 50 MB alatt kell lennie, a kérés teljes fájlkerete pedig 50 MB. A Chat Completions PDF-fájlrészeket támogat, a dokumentált Responses munkafolyamat további fájltípusokat fogad. Nem PDF dokumentumok beágyazott grafikonjai nem kerülnek át képi tartalomként, ezért a PDF-reprezentáció hasznos, ha fontos a vizuális bizonyíték.\n\nAz OpenAI bemeneti gyorsítótárazást dokumentál a Nano modellhez és Predicted Outputs támogatást a GPT-4.1 Nano sorozathoz. A bemeneti gyorsítótárazás a gyártó szolgáltatásában alkalmas bemeneti előtagot használ újra. A Predicted Outputs ezzel szemben nagyrészt ismert kimeneti szöveget ad egy módosításhoz, például dokumentum vagy kódfájl átdolgozásához a változatlan részek megőrzésével. A predikciós út csak szöveges, és többek között kizárja a függvényhívást, a logprobs és max_completion_tokens használatát. A tényleges műveletnek megfelelő utat válassza, és eredményét tartsa az eredeti forráshoz kötve.\n\nA gyártó a Nano megnevezett GPT-4.1 modellpillanatképéhez felügyelt finomhangolást és közvetlen preferenciaoptimalizálást is dokumentál. Tanítópéldák és előnyben részesített, illetve elutasított válaszok ismétlődő feladathoz igazítanak egy modellt; ezek különböznek a szokásos kéréshez megadott kontextustól. Gyakorlati adatkinyerési vagy osztályozási szakasznál világos kategóriákkal, példákkal és egyértelmű végső formátummal kezdjen, majd vizsgálja meg, hogy a visszaadott mezők megőrzik-e a következő szakaszban felhasznált tényeket.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3f28c941af333a56ae8a7780b2686e2b293634dfbcac0290e35aa61bcfa4c02f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "openai/gpt-4.1-nano:batchA GPT-4.1 Nano a GPT-4.1 család kompakt, gyorsan reagáló tagja szigorúan meghatározott szöveges és képi feladatokhoz. Nagy kontextusa, Structured Outputs támogatása és függvényhívása osztályozást, adatkinyerést és célzott alkalmazási lépéseket segít.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A GPT-4.1 Nano az OpenAI GPT-4.1 családjának leggyorsabb tagja, külön következtetési lépés nélküli utasításkövetésre és eszközhívásra tervezve. Szöveget és képeket fogad, és szöveget állít elő. A Nano jól meghatározott művelethez alkalmas, amelyben az alkalmazás tömör választ, mezők halmazát vagy a következő eszközkérést igényli, nem terjedelmes vizsgálatot.
Hasznos példa lehet beérkező üzenetek besorolása megadott kategóriák szerint. Magyarázza el a kategóriákat, mutassa meg a kétértelmű vagy a feladatkörön kívüli üzenetek megjelenítését, és kérje a kategóriát az azt alátámasztó forráskifejezéssel együtt. Adatkinyeréshez határozza meg a mezőneveket, az engedélyezett értékeket és a hiányzó információ kezelését. Rövid szövegírási feladathoz adja meg a tényeket, és kérje az alkalmazás következő szakaszához szükséges konkrét szövegrészt. A példák és korlátok legyenek elég rövidek és körülhatároltak ahhoz, hogy nagy forrásgyűjtemény mellett is egyértelműek maradjanak.
A gyártó 1 047 576 tokenes kontextusablakot, legfeljebb 32 768 tokenes kimenetet és 2024. június 1-jei tudáshatárt sorol fel. Ezek a specifikációk megegyeznek a GPT-4.1 Mini ablakával, miközben megőrzik a Nano különálló modellidentitását és a gyors válaszra összpontosító szerepét. Jelölje meg a dokumentumokat és beszélgetési szakaszokat, csak a művelethez releváns kontextust használja, és hagyjon helyet a teljes válasznak. Lekérdezési eredmények vagy megadott referenciaszöveg a modell tanult tudásánál újabb tényeket is adhatnak.
A Nano streamelést és Structured Outputs támogatást biztosít. A séma szerint korlátozott végső válasz más célt szolgál, mint a függvényhívás: az egyik befejezett eredményt ad az alkalmazásnak, a másik művelet elvégzését kéri tőle. A Structured Outputs a JSON Schema egy részhalmazát támogatja; határozza meg a szükséges tulajdonságokat és az ismeretlen értékek egyértelmű megjelenítését. A visszautasításokat és hiányos válaszokat külön kezelje, a kinyert értékeket pedig a bemenet alapján ellenőrizze, ne azonosítsa az érvényes szerkezetet a helyes következtetéssel.
A dokumentált eszközkészlet függvényhívást, fájlkeresést, kódértelmezést, MCP-kapcsolatokat és külön képgeneráló eszközt tartalmaz. Az alkalmazás megadja az eszközleírásokat és sémákat, végrehajtja az egyedi függvényeket, és visszaadja a tényleges eredményeiket. A 2025. április 14-i Nano modellpillanatképnél az OpenAI kifejezetten a párhuzamos eszközhívások kikapcsolását ajánlja, mert a modell egy fordulóban többször is kérheti ugyanazt az eszközt. Ez a konkrét pillanatkép végrehajtási szempontja, nem indok több javasolt hívás végrehajtott műveletként történő értelmezésére.
A képbemenet vizuális bizonyítékot ad egy szöveges feladathoz, például látható felirat elolvasásához vagy képernyőképen szereplő állapot leírásához. Támogatott PNG, JPEG, WebP vagy nem animált GIF képet használjon, a szöveg maradjon olvasható, és magyarázza el a fontos megfigyelést. A képi útmutató kis vagy elforgatott szövegnél, pontos térbeli összefüggéseknél, objektumszámlálásnál és egyes nem latin írásrendszereknél nehézségeket jelez. Adjon környező kontextust, ha egy kivágás önmagában kétértelművé tenné a feliratot vagy ábrát. A Nano saját válasza szöveg; a képgeneráló eszköz külön képi eredményt ad vissza. Az OpenAI dokumentált képi munkafolyamatában a kérés teljes adatmennyiségének korlátja 512 MB, és egy kérés legfeljebb 1 500 képet tartalmazhat; a képeknek és a szövegnek a modell kontextusába is bele kell férniük.
A gyártó fájlmunkafolyamatában a képeket is értelmező modell a PDF-ekből kinyert szöveget és az oldalak képeit egyaránt megkapja. Más dokumentumformátumok kinyert szöveget adnak, a táblázatok kiegészítő feldolgozása pedig munkalaponként legfeljebb az első 1 000 sort veszi figyelembe. Egy fájlnak 50 MB alatt kell lennie, a kérés teljes fájlkerete pedig 50 MB. A Chat Completions PDF-fájlrészeket támogat, a dokumentált Responses munkafolyamat további fájltípusokat fogad. Nem PDF dokumentumok beágyazott grafikonjai nem kerülnek át képi tartalomként, ezért a PDF-reprezentáció hasznos, ha fontos a vizuális bizonyíték.
Az OpenAI bemeneti gyorsítótárazást dokumentál a Nano modellhez és Predicted Outputs támogatást a GPT-4.1 Nano sorozathoz. A bemeneti gyorsítótárazás a gyártó szolgáltatásában alkalmas bemeneti előtagot használ újra. A Predicted Outputs ezzel szemben nagyrészt ismert kimeneti szöveget ad egy módosításhoz, például dokumentum vagy kódfájl átdolgozásához a változatlan részek megőrzésével. A predikciós út csak szöveges, és többek között kizárja a függvényhívást, a logprobs és max_completion_tokens használatát. A tényleges műveletnek megfelelő utat válassza, és eredményét tartsa az eredeti forráshoz kötve.
A gyártó a Nano megnevezett GPT-4.1 modellpillanatképéhez felügyelt finomhangolást és közvetlen preferenciaoptimalizálást is dokumentál. Tanítópéldák és előnyben részesített, illetve elutasított válaszok ismétlődő feladathoz igazítanak egy modellt; ezek különböznek a szokásos kéréshez megadott kontextustól. Gyakorlati adatkinyerési vagy osztályozási szakasznál világos kategóriákkal, példákkal és egyértelmű végső formátummal kezdjen, majd vizsgálja meg, hogy a visszaadott mezők megőrzik-e a következő szakaszban felhasznált tényeket.
POST /v1/batchestexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőendpoint | Típusstring | KövetelményKötelező | Értékek és korlátok /v1/chat/completions | Alapértelmezett— |
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok openai/gpt-4.1-nano:batch | Alapértelmezett— |
Mezőrequests | Típusbatch_item[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőrequests[].custom_id | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőrequests[].body.messages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőcompletion_window | Típusstring | KövetelményOpcionális | Értékek és korlátok 24h | Alapértelmezett— |
Mezőprovider | Típusobject|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőrequests[].body.model | Típusstring | KövetelményOpcionális | Értékek és korlátok openai/gpt-4.1-nano:batch, openai/gpt-4.1-nano | Alapértelmezett— |
Mezőprovider.only | Típusstring[] | KövetelményOpcionális | Értékek és korlátok openai | Alapértelmezett— |
Mezőprovider.allow_fallbacks | Típusboolean|null | KövetelményOpcionális | Értékek és korlátok false, null | Alapértelmezett— |
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésendpoint, model, requests |
Paramétermaterial_types | Szerződéstext |
Paraméterrepresentation | SzerződésA kérésbe ágyazott requests[]; minden elemhez custom_id és body tartozik |
Paraméterrequest_endpoint_profile | Szerződés/v1/chat/completions |
Paraméterfile_material | SzerződésA hívó helyben beolvashatja a tényleges UTF-8 JSONL-adatokat a requests[] tömbbe. A kérés nem használ feltöltési célt, input_file_id mezőt vagy fájlhivatkozást. Hiányzó vagy üres ügyfélanyag esetén az előkészítés még a POST előtt leáll. |
Paraméterserialization_order | Szerződésendpoint, model, provider (ha meg van adva), completion_window (ha meg van adva), requests utoljára |
Paraméteroptional_controls | Szerződésprovider.only, provider.allow_fallbacks, completion_window |
Paraméterschema_scope | SzerződésText Chat Completions-kéréstörzsek a dokumentált, kérésbe ágyazott Batch-borítékban. |
Életciklus: asynchronous
GET /v1/batches/{operation_id} · Az eredeti létrehozási válasz tényleges response.id értéke; ugyanaz a felhasználó/kulcs/csoport
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0001 / 1K token Kimenet · Kimeneti tokenek $0.0004 / 1K token Bemenet · Gyorsítótár olvasása $0.000025 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0001 / 1K token Kimenet · Kimeneti tokenek $0.0004 / 1K token Bemenet · Gyorsítótár olvasása $0.000025 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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-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-4.1-nano:batch', 'openai/gpt-4.1-nano']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4.1-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.\nBeágyazott results[].response.body JSON-adatok
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\nŐrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg a teljes eredeti állapot-JSON-t, minden eredményt/custom_id értéket, valamint a teljes válasz- vagy hibatörzset. A befejezett results[] elemeket szűrés nélkül mentse JSONL-ként.
Őrizze meg az eredeti műveletazonosítót. A 503 result_pending_check válasz X-Should-Retry:false fejlécet tartalmaz; soha ne küldje be újra az ismeretlen kimenetelű eredeti köteget.
| Mező | Típus |
|---|---|
Mezőresults[].custom_id | Típusstring |
Mezőresults[].response.body.choices[].message.content | Típusstring|null |
Mezőresults[].error | Típusobject|null |
Mezőusage | Típusobject|null |
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőendpoint | Típusstring |
Mezőstatus | Típusstring |
Mezőrequest_counts | Típusobject |
Mezőresults[].id | Típusstring |
Mezőresults[].response.status_code | Típusinteger |
Mezőresults[].response.request_id | Típusstring |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen a dokumentált, kérésbe ágyazott boríték, ismétlődő kulcsok vagy az elemek azonosságával kapcsolatos hiba található benne, vagy ütközés van a beállított modellképességekkel. | Következő lépésBármilyen új beküldés előtt javítsa ki a megjelölt mezőket. |
Válasz401 · authentication_error | FeltételÉrvénytelen API-kulcs. | Következő lépésHasználja az engedélyezett Ailoot-kulcsot. |
Válasz403 · permission_error | FeltételA Batch-csoport nem érhető el. | Következő lépésEllenőrizze a kulcs/csoport jogosultságát. |
Válasz422 · invalid_request_error | FeltételA Batch az egyenlegből számol el; az előfizetés terhére indított létrehozási kérés elutasításra kerül. | Következő lépésHasználja az engedélyezett, egyenlegből elszámoló csoportot. |
Válasz422 · price_unavailable | FeltételA Batch-bemenethez nem készíthető árajánlat. | Következő lépésŐrizze meg a választ; használja az API-család dokumentált bemenetét. |
Válasz402 · billing_error | FeltételA Batch költségfedezeti foglalása nem érhető el. | Következő lépésAz új kérés előtt rendezze a befogadási feltételeket. |
Válasz503 · price_unavailable | FeltételA Batch-módszer ára vagy natív díjtételei nem érhetők el. | Következő lépésŐrizze meg a választ; ne helyettesítse az árakat más árakkal. |
Válasz503 · api_error | FeltételA pontos szolgáltatói útvonal nem érhető el. | Következő lépésŐrizze meg a választ az útvonal javításához. |
Válasz503 · result_pending_check | FeltételAz eredeti eredmény ellenőrzést igényel; X-Should-Retry:false. | Következő lépésŐrizze meg az eredeti operation_id/id értéket, és kérdezze le az állapotát; soha ne ismételje meg az eredeti POST kérést. |
Válasz404 · not_found | FeltételA Batch állapotlekérdezési művelete nem létezik, vagy más identitáshoz tartozik. | Következő lépésHasználja az eredeti id pontos értékét és ugyanazt a felhasználót/kulcsot/csoportot. |
Ailoot Ultra openai/gpt-4.1-nano:batch
Használja a fent látható metódusútvonalakat.