OpenAI o3-mini adalah model penalaran seri o yang lebih kecil, berfokus pada pemecahan masalah teknis, termasuk sains, matematika, dan pemrograman. Model ini menerima teks dan menghasilkan teks, dengan penalaran internal tambahan sebelum jawaban yang terlihat. Gunakan model ini untuk masalah matematika yang dinyatakan jelas, analisis algoritma, revisi kode, atau perbandingan teknis yang kesimpulannya bergantung pada beberapa kondisi. Effort penalaran dapat dikonfigurasi untuk edisi dasar o3-mini; preset o3-mini High memilih effort high, bukan bobot model yang terpisah.
Pembuatnya mendokumentasikan effort penalaran low, medium, dan high. Effort yang lebih besar dapat mendukung masalah yang menantang dan memerlukan lebih banyak waktu generasi, sementara jawaban terlihat yang diinginkan tetap dapat ringkas. Berikan tugas, batasan, dan kontrak keluaran kepada model, alih-alih menentukan rantai pemikiran antara yang panjang. Untuk masalah algoritma, berikan batas masukan, perilaku yang diperlukan, dan kasus yang menentukan kebenaran. Untuk matematika, tentukan variabel, domain, notasi, dan hasil yang diperlukan.
OpenAI mencantumkan jendela konteks 200,000 token, anggaran keluaran maksimum 100,000 token, dan batas pengetahuan 1 Oktober 2023. Token penalaran menggunakan konteks yang tersedia dan anggaran keluaran yang dihasilkan sebelum respons akhir, sehingga jumlah maksimum itu bukan janji sejumlah token jawaban yang terlihat. Sisakan ruang untuk analisis dan hasil yang diminta. Permintaan dapat menghabiskan jatah token generasinya sebelum mengembalikan teks terlihat yang berguna jika anggaran terlalu kecil untuk masalah tersebut.
Modalitas masukan bawaan adalah teks, bukan penglihatan. Jika tugas berasal dari diagram atau tangkapan layar, berikan kondisi yang relevan dalam bentuk tertulis. Pembuatnya mencantumkan dukungan unggahan berkas dan pencarian berkas dalam alur kerja berbantuan alat, yang dapat menyediakan materi teks relevan tanpa mengubah modalitas bawaan model. Tentukan kutipan sumber atau isi berkas yang diperlukan untuk menjawab pertanyaan, alih-alih menganggap setiap lampiran otomatis menyumbangkan bukti yang berguna.
Model ini mendukung Structured Outputs, pemanggilan fungsi, dan streaming, dan kartu model pembuatnya mencantumkan antarmuka Responses, Chat Completions, Assistants, dan Batch. Dalam tugas terstruktur, tentukan bidang yang diperlukan serta cara merepresentasikan informasi yang tidak tersedia. Dalam alur penggunaan alat, model mengusulkan fungsi dan argumen; aplikasi menjalankan tindakan dan mengembalikan pengamatan sebenarnya. Bedakan operasi usulan dari operasi yang hasilnya sudah diterima.
Daftar alat pembuatnya saat ini juga mencantumkan pencarian berkas, interpretasi kode, koneksi MCP, dan alat generasi gambar. Alat yang dikonfigurasi itu memiliki operasinya sendiri; alat tersebut tidak mengubah respons teks langsung o3-mini menjadi keluaran gambar atau audio bawaan. Untuk tugas pemrograman, berikan kode, kegagalan yang diamati, dan persyaratan, lalu mintalah perubahan usulan dengan penjelasan kasus yang ditanganinya. Jika hasil eksekusi tersedia, berikan sebagai bukti untuk revisi berikutnya, alih-alih menganggap kode yang belum dijalankan sebagai hasil yang sudah selesai.
Artefak akhir yang berguna dapat berupa rumus, perbandingan beralasan, usulan kode, atau hasil teknis terstruktur yang menghubungkan kesimpulannya dengan kondisi awal. Untuk tindak lanjut, sebutkan bukti baru dan bagian jawaban yang perlu direvisi. Pertahankan percakapan yang relevan dan pengamatan alat agar respons berikutnya dapat bekerja dengan hasil sebenarnya. Peran penalaran model yang lebih kecil ini praktis ketika tugas memerlukan analisis, batasan yang jelas, dan artefak teks terarah, bukan asumsi tanpa dukungan tentang tindakan eksternal.
", "aboutText": "OpenAI o3-mini adalah model penalaran seri o yang lebih kecil, berfokus pada pemecahan masalah teknis, termasuk sains, matematika, dan pemrograman. Model ini menerima teks dan menghasilkan teks, dengan penalaran internal tambahan sebelum jawaban yang terlihat. Gunakan model ini untuk masalah matematika yang dinyatakan jelas, analisis algoritma, revisi kode, atau perbandingan teknis yang kesimpulannya bergantung pada beberapa kondisi. Effort penalaran dapat dikonfigurasi untuk edisi dasar o3-mini; preset o3-mini High memilih effort high, bukan bobot model yang terpisah.\n\nPembuatnya mendokumentasikan effort penalaran low, medium, dan high. Effort yang lebih besar dapat mendukung masalah yang menantang dan memerlukan lebih banyak waktu generasi, sementara jawaban terlihat yang diinginkan tetap dapat ringkas. Berikan tugas, batasan, dan kontrak keluaran kepada model, alih-alih menentukan rantai pemikiran antara yang panjang. Untuk masalah algoritma, berikan batas masukan, perilaku yang diperlukan, dan kasus yang menentukan kebenaran. Untuk matematika, tentukan variabel, domain, notasi, dan hasil yang diperlukan.\n\nOpenAI mencantumkan jendela konteks 200,000 token, anggaran keluaran maksimum 100,000 token, dan batas pengetahuan 1 Oktober 2023. Token penalaran menggunakan konteks yang tersedia dan anggaran keluaran yang dihasilkan sebelum respons akhir, sehingga jumlah maksimum itu bukan janji sejumlah token jawaban yang terlihat. Sisakan ruang untuk analisis dan hasil yang diminta. Permintaan dapat menghabiskan jatah token generasinya sebelum mengembalikan teks terlihat yang berguna jika anggaran terlalu kecil untuk masalah tersebut.\n\nModalitas masukan bawaan adalah teks, bukan penglihatan. Jika tugas berasal dari diagram atau tangkapan layar, berikan kondisi yang relevan dalam bentuk tertulis. Pembuatnya mencantumkan dukungan unggahan berkas dan pencarian berkas dalam alur kerja berbantuan alat, yang dapat menyediakan materi teks relevan tanpa mengubah modalitas bawaan model. Tentukan kutipan sumber atau isi berkas yang diperlukan untuk menjawab pertanyaan, alih-alih menganggap setiap lampiran otomatis menyumbangkan bukti yang berguna.\n\nModel ini mendukung Structured Outputs, pemanggilan fungsi, dan streaming, dan kartu model pembuatnya mencantumkan antarmuka Responses, Chat Completions, Assistants, dan Batch. Dalam tugas terstruktur, tentukan bidang yang diperlukan serta cara merepresentasikan informasi yang tidak tersedia. Dalam alur penggunaan alat, model mengusulkan fungsi dan argumen; aplikasi menjalankan tindakan dan mengembalikan pengamatan sebenarnya. Bedakan operasi usulan dari operasi yang hasilnya sudah diterima.\n\nDaftar alat pembuatnya saat ini juga mencantumkan pencarian berkas, interpretasi kode, koneksi MCP, dan alat generasi gambar. Alat yang dikonfigurasi itu memiliki operasinya sendiri; alat tersebut tidak mengubah respons teks langsung o3-mini menjadi keluaran gambar atau audio bawaan. Untuk tugas pemrograman, berikan kode, kegagalan yang diamati, dan persyaratan, lalu mintalah perubahan usulan dengan penjelasan kasus yang ditanganinya. Jika hasil eksekusi tersedia, berikan sebagai bukti untuk revisi berikutnya, alih-alih menganggap kode yang belum dijalankan sebagai hasil yang sudah selesai.\n\nArtefak akhir yang berguna dapat berupa rumus, perbandingan beralasan, usulan kode, atau hasil teknis terstruktur yang menghubungkan kesimpulannya dengan kondisi awal. Untuk tindak lanjut, sebutkan bukti baru dan bagian jawaban yang perlu direvisi. Pertahankan percakapan yang relevan dan pengamatan alat agar respons berikutnya dapat bekerja dengan hasil sebenarnya. Peran penalaran model yang lebih kecil ini praktis ketika tugas memerlukan analisis, batasan yang jelas, dan artefak teks terarah, bukan asumsi tanpa dukungan tentang tindakan eksternal.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "8056ee904730ecbbdcea26729caeec7ff8754968adfd713495395c570f796381", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "openai/o3-mini:batchOpenAI o3-mini adalah model penalaran teks untuk sains, matematika, dan pemrograman. Model ini menawarkan effort penalaran low, medium, dan high, konteks 200K, keluaran terstruktur, serta alur kerja berbantuan alat, dengan anggaran keluaran yang dihasilkan maksimum 100K token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
OpenAI o3-mini adalah model penalaran seri o yang lebih kecil, berfokus pada pemecahan masalah teknis, termasuk sains, matematika, dan pemrograman. Model ini menerima teks dan menghasilkan teks, dengan penalaran internal tambahan sebelum jawaban yang terlihat. Gunakan model ini untuk masalah matematika yang dinyatakan jelas, analisis algoritma, revisi kode, atau perbandingan teknis yang kesimpulannya bergantung pada beberapa kondisi. Effort penalaran dapat dikonfigurasi untuk edisi dasar o3-mini; preset o3-mini High memilih effort high, bukan bobot model yang terpisah.
Pembuatnya mendokumentasikan effort penalaran low, medium, dan high. Effort yang lebih besar dapat mendukung masalah yang menantang dan memerlukan lebih banyak waktu generasi, sementara jawaban terlihat yang diinginkan tetap dapat ringkas. Berikan tugas, batasan, dan kontrak keluaran kepada model, alih-alih menentukan rantai pemikiran antara yang panjang. Untuk masalah algoritma, berikan batas masukan, perilaku yang diperlukan, dan kasus yang menentukan kebenaran. Untuk matematika, tentukan variabel, domain, notasi, dan hasil yang diperlukan.
OpenAI mencantumkan jendela konteks 200,000 token, anggaran keluaran maksimum 100,000 token, dan batas pengetahuan 1 Oktober 2023. Token penalaran menggunakan konteks yang tersedia dan anggaran keluaran yang dihasilkan sebelum respons akhir, sehingga jumlah maksimum itu bukan janji sejumlah token jawaban yang terlihat. Sisakan ruang untuk analisis dan hasil yang diminta. Permintaan dapat menghabiskan jatah token generasinya sebelum mengembalikan teks terlihat yang berguna jika anggaran terlalu kecil untuk masalah tersebut.
Modalitas masukan bawaan adalah teks, bukan penglihatan. Jika tugas berasal dari diagram atau tangkapan layar, berikan kondisi yang relevan dalam bentuk tertulis. Pembuatnya mencantumkan dukungan unggahan berkas dan pencarian berkas dalam alur kerja berbantuan alat, yang dapat menyediakan materi teks relevan tanpa mengubah modalitas bawaan model. Tentukan kutipan sumber atau isi berkas yang diperlukan untuk menjawab pertanyaan, alih-alih menganggap setiap lampiran otomatis menyumbangkan bukti yang berguna.
Model ini mendukung Structured Outputs, pemanggilan fungsi, dan streaming, dan kartu model pembuatnya mencantumkan antarmuka Responses, Chat Completions, Assistants, dan Batch. Dalam tugas terstruktur, tentukan bidang yang diperlukan serta cara merepresentasikan informasi yang tidak tersedia. Dalam alur penggunaan alat, model mengusulkan fungsi dan argumen; aplikasi menjalankan tindakan dan mengembalikan pengamatan sebenarnya. Bedakan operasi usulan dari operasi yang hasilnya sudah diterima.
Daftar alat pembuatnya saat ini juga mencantumkan pencarian berkas, interpretasi kode, koneksi MCP, dan alat generasi gambar. Alat yang dikonfigurasi itu memiliki operasinya sendiri; alat tersebut tidak mengubah respons teks langsung o3-mini menjadi keluaran gambar atau audio bawaan. Untuk tugas pemrograman, berikan kode, kegagalan yang diamati, dan persyaratan, lalu mintalah perubahan usulan dengan penjelasan kasus yang ditanganinya. Jika hasil eksekusi tersedia, berikan sebagai bukti untuk revisi berikutnya, alih-alih menganggap kode yang belum dijalankan sebagai hasil yang sudah selesai.
Artefak akhir yang berguna dapat berupa rumus, perbandingan beralasan, usulan kode, atau hasil teknis terstruktur yang menghubungkan kesimpulannya dengan kondisi awal. Untuk tindak lanjut, sebutkan bukti baru dan bagian jawaban yang perlu direvisi. Pertahankan percakapan yang relevan dan pengamatan alat agar respons berikutnya dapat bekerja dengan hasil sebenarnya. Peran penalaran model yang lebih kecil ini praktis ketika tugas memerlukan analisis, batasan yang jelas, dan artefak teks terarah, bukan asumsi tanpa dukungan tentang tindakan eksternal.
POST /v1/batchestexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolomendpoint | Jenisstring | PersyaratanWajib | Nilai & batasan /v1/chat/completions | Bawaan— |
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan openai/o3-mini:batch | Bawaan— |
Kolomrequests | Jenisbatch_item[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolomrequests[].custom_id | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomrequests[].body.messages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomcompletion_window | Jenisstring | PersyaratanOpsional | Nilai & batasan 24h | Bawaan— |
Kolomprovider | Jenisobject|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomrequests[].body.model | Jenisstring | PersyaratanOpsional | Nilai & batasan openai/o3-mini:batch, openai/o3-mini | Bawaan— |
Kolomprovider.only | Jenisstring[] | PersyaratanOpsional | Nilai & batasan openai | Bawaan— |
Kolomprovider.allow_fallbacks | Jenisboolean|null | PersyaratanOpsional | Nilai & batasan false, null | Bawaan— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakendpoint, model, requests |
Parametermaterial_types | Kontraktext |
Parameterrepresentation | Kontrakrequests[] inline; setiap item memiliki custom_id dan body |
Parameterrequest_endpoint_profile | Kontrak/v1/chat/completions |
Parameterfile_material | KontrakPemanggil dapat membaca JSONL UTF-8 aktual secara lokal ke dalam requests[]. Tidak menggunakan purpose unggahan, input_file_id, atau referensi file. Materi pelanggan yang tidak ada atau kosong menghentikan persiapan sebelum POST. |
Parameterserialization_order | Kontrakendpoint, model, provider (jika disertakan), completion_window (jika disertakan), requests paling akhir |
Parameteroptional_controls | Kontrakprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | Kontrakbody teks Chat Completions dalam envelope Batch inline yang didokumentasikan. |
Siklus hidup: asynchronous
GET /v1/batches/{operation_id} · response.id aktual dari operasi create awal; user/key/group yang sama
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0011 / 1K token Keluaran · Token keluaran $0.0044 / 1K token Masukan · Pembacaan cache $0.00055 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0011 / 1K token Keluaran · Token keluaran $0.0044 / 1K token Masukan · Pembacaan cache $0.00055 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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/o3-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/o3-mini:batch', 'openai/o3-mini']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/o3-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 inline pada 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\nSimpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Pertahankan JSON status asli secara lengkap, setiap result/custom_id, serta body response atau error yang lengkap. Simpan results[] yang telah selesai sebagai JSONL tanpa penyaringan.
Pertahankan ID operasi asli. 503 result_pending_check memiliki X-Should-Retry:false; jangan pernah kirim ulang batch asli yang statusnya tidak diketahui.
| Kolom | Jenis |
|---|---|
Kolomresults[].custom_id | Jenisstring |
Kolomresults[].response.body.choices[].message.content | Jenisstring|null |
Kolomresults[].error | Jenisobject|null |
Kolomusage | Jenisobject|null |
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomendpoint | Jenisstring |
Kolomstatus | Jenisstring |
Kolomrequest_counts | Jenisobject |
Kolomresults[].id | Jenisstring |
Kolomresults[].response.status_code | Jenisinteger |
Kolomresults[].response.request_id | Jenisstring |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiEnvelope inline yang didokumentasikan tidak valid, ada kunci duplikat, atau terdapat konflik pada identitas item atau kemampuan model yang dikonfigurasi. | Langkah berikutnyaPerbaiki kolom yang ditunjukkan sebelum pengiriman baru apa pun. |
Respons401 · authentication_error | KondisiKunci API tidak valid. | Langkah berikutnyaGunakan kunci Ailoot yang berizin. |
Respons403 · permission_error | KondisiGrup Batch tidak tersedia. | Langkah berikutnyaPeriksa hak akses key/group. |
Respons422 · invalid_request_error | KondisiBatch menggunakan penagihan dari saldo; pembuatan dengan langganan ditolak. | Langkah berikutnyaGunakan grup berizin yang ditagih dari saldo. |
Respons422 · price_unavailable | KondisiPenawaran harga untuk input Batch tidak dapat dibuat. | Langkah berikutnyaSimpan respons; gunakan input keluarga API yang didokumentasikan. |
Respons402 · billing_error | KondisiCadangan Batch tidak tersedia. | Langkah berikutnyaSelesaikan kendala penerimaan sebelum mengirim permintaan baru. |
Respons503 · price_unavailable | KondisiHarga metode Batch/tarif native tidak tersedia. | Langkah berikutnyaSimpan respons; jangan mengganti harga. |
Respons503 · api_error | KondisiRute pemasok yang tepat tidak tersedia. | Langkah berikutnyaSimpan respons untuk perbaikan rute. |
Respons503 · result_pending_check | KondisiHasil asli perlu diperiksa; X-Should-Retry:false. | Langkah berikutnyaSimpan operation_id/id asli dan baca statusnya; jangan pernah mengulangi POST asli. |
Respons404 · not_found | KondisiOperasi status Batch tidak ada atau dimiliki oleh identitas lain. | Langkah berikutnyaGunakan id asli yang persis sama dan user/key/group yang sama. |
Ailoot Ultra openai/o3-mini:batch
Gunakan jalur metode yang ditampilkan di atas.