GPT-4.1 Nano è il membro più veloce della famiglia GPT-4.1 di OpenAI, progettato per seguire istruzioni e chiamare strumenti senza una fase separata di ragionamento. Accetta testo e immagini e produce testo. Nano è adatto a un’operazione ben definita in cui l’applicazione richiede una risposta compatta, un insieme di campi o la richiesta successiva a uno strumento, anziché un’indagine estesa.
Un esempio utile consiste nel classificare i messaggi ricevuti secondo un insieme di categorie fornito. Spiegate ogni categoria, mostrate come rappresentare messaggi ambigui o fuori ambito e chiedete la categoria insieme alla frase della fonte che la sostiene. Per l’estrazione, definite nomi dei campi, valori ammessi e trattamento delle informazioni mancanti. Per una breve attività di scrittura, fornite i fatti e chiedete il passaggio specifico necessario alla fase applicativa successiva. Esempi e vincoli devono essere abbastanza contenuti da restare chiari anche quando la raccolta di fonti è ampia.
Il produttore indica una finestra di contesto di 1 047 576 token, un output massimo di 32 768 token e conoscenze aggiornate al 1 giugno 2024. Queste specifiche coincidono con la finestra di GPT-4.1 Mini, preservando l’identità distinta di Nano e il suo ruolo orientato alla reattività. Etichettate documenti e sezioni della conversazione, includete soltanto il contesto pertinente all’operazione e riservate spazio per la risposta completa. I risultati del recupero di informazioni o il testo di riferimento fornito possono apportare fatti più recenti delle conoscenze apprese dal modello.
Nano supporta streaming e Structured Outputs. Una risposta finale vincolata a uno schema ha uno scopo diverso da una chiamata di funzione: la prima fornisce all’applicazione un risultato completato, la seconda le chiede di eseguire un’operazione. Structured Outputs supporta un sottoinsieme di JSON Schema; definite proprietà obbligatorie e una rappresentazione chiara dei valori sconosciuti. Gestite separatamente rifiuti e risposte incomplete e verificate i valori estratti rispetto all’input, senza equiparare una struttura valida a una conclusione corretta.
L’insieme degli strumenti documentati comprende chiamate di funzione, ricerca nei file, interpretazione del codice, connessioni MCP e uno strumento separato di generazione di immagini. L’applicazione fornisce descrizioni e schemi degli strumenti, esegue funzioni personalizzate e restituisce i risultati effettivi. Per la versione Nano del 14 aprile 2025, OpenAI consiglia specificamente di disabilitare le chiamate parallele agli strumenti, perché il modello può richiedere lo stesso strumento più volte in un turno. È una considerazione di esecuzione specifica di quella versione, non un motivo per interpretare più chiamate proposte come azioni completate.
L’input di immagini aggiunge elementi visivi a un’attività testuale, come leggere un’etichetta visibile o descrivere lo stato mostrato in una schermata. Usate immagini supportate PNG, JPEG, WebP o GIF non animate, mantenete il testo leggibile e spiegate quale osservazione è importante. La guida alla visione segnala difficoltà con testo piccolo o ruotato, relazioni spaziali precise, conteggi degli oggetti e alcune scritture non latine. Fornite contesto circostante quando un ritaglio isolato renderebbe ambigua un’etichetta o uno schema. La risposta di Nano stesso è testo; uno strumento di generazione di immagini restituisce un risultato distinto. Nel processo di visione documentato di OpenAI, il contenuto complessivo della richiesta è limitato a 512 MB e una richiesta può includere fino a 1 500 immagini; anche immagini e testo devono rientrare nel contesto del modello.
Nel processo del produttore per i file, un modello capace di visione riceve sia testo estratto sia immagini delle pagine dei PDF. Gli altri formati di documento contribuiscono con testo estratto e l’integrazione dei fogli di calcolo considera fino alle prime 1 000 righe per foglio. Un file deve essere inferiore a 50 MB, con un limite complessivo di 50 MB per richiesta. Chat Completions supporta parti di file PDF, mentre il processo Responses documentato accetta ulteriori tipi di file. I grafici incorporati in documenti diversi dai PDF non vengono trasmessi come contenuti immagine, quindi una rappresentazione PDF è utile quando gli elementi visivi sono importanti.
OpenAI documenta la memorizzazione nella cache dell’input per Nano e Predicted Outputs per la serie GPT-4.1 Nano. La cache dell’input riutilizza un prefisso di input idoneo nel servizio del produttore. Predicted Outputs fornisce invece testo di output in gran parte noto per una modifica, come rivedere un documento o un file di codice mantenendone le parti invariate. Il percorso di previsione è solo testuale ed esclude chiamate di funzione, logprobs e max_completion_tokens, tra altri controlli. Scegliete il percorso in base all’operazione effettiva e mantenetene il risultato associato alla fonte originale.
Il produttore documenta anche fine-tuning supervisionato e ottimizzazione diretta delle preferenze per la versione GPT-4.1 denominata di Nano. Esempi di addestramento e risposte preferite rispetto a quelle rifiutate adattano un modello a un’attività ricorrente; sono distinti dal contesto fornito a una richiesta ordinaria. Per una fase pratica di estrazione o classificazione, iniziate con categorie chiare, esempi e un formato finale esplicito, poi esaminate se i campi restituiti conservano i fatti che la fase successiva userà.
", "aboutText": "GPT-4.1 Nano è il membro più veloce della famiglia GPT-4.1 di OpenAI, progettato per seguire istruzioni e chiamare strumenti senza una fase separata di ragionamento. Accetta testo e immagini e produce testo. Nano è adatto a un’operazione ben definita in cui l’applicazione richiede una risposta compatta, un insieme di campi o la richiesta successiva a uno strumento, anziché un’indagine estesa.\n\nUn esempio utile consiste nel classificare i messaggi ricevuti secondo un insieme di categorie fornito. Spiegate ogni categoria, mostrate come rappresentare messaggi ambigui o fuori ambito e chiedete la categoria insieme alla frase della fonte che la sostiene. Per l’estrazione, definite nomi dei campi, valori ammessi e trattamento delle informazioni mancanti. Per una breve attività di scrittura, fornite i fatti e chiedete il passaggio specifico necessario alla fase applicativa successiva. Esempi e vincoli devono essere abbastanza contenuti da restare chiari anche quando la raccolta di fonti è ampia.\n\nIl produttore indica una finestra di contesto di 1 047 576 token, un output massimo di 32 768 token e conoscenze aggiornate al 1 giugno 2024. Queste specifiche coincidono con la finestra di GPT-4.1 Mini, preservando l’identità distinta di Nano e il suo ruolo orientato alla reattività. Etichettate documenti e sezioni della conversazione, includete soltanto il contesto pertinente all’operazione e riservate spazio per la risposta completa. I risultati del recupero di informazioni o il testo di riferimento fornito possono apportare fatti più recenti delle conoscenze apprese dal modello.\n\nNano supporta streaming e Structured Outputs. Una risposta finale vincolata a uno schema ha uno scopo diverso da una chiamata di funzione: la prima fornisce all’applicazione un risultato completato, la seconda le chiede di eseguire un’operazione. Structured Outputs supporta un sottoinsieme di JSON Schema; definite proprietà obbligatorie e una rappresentazione chiara dei valori sconosciuti. Gestite separatamente rifiuti e risposte incomplete e verificate i valori estratti rispetto all’input, senza equiparare una struttura valida a una conclusione corretta.\n\nL’insieme degli strumenti documentati comprende chiamate di funzione, ricerca nei file, interpretazione del codice, connessioni MCP e uno strumento separato di generazione di immagini. L’applicazione fornisce descrizioni e schemi degli strumenti, esegue funzioni personalizzate e restituisce i risultati effettivi. Per la versione Nano del 14 aprile 2025, OpenAI consiglia specificamente di disabilitare le chiamate parallele agli strumenti, perché il modello può richiedere lo stesso strumento più volte in un turno. È una considerazione di esecuzione specifica di quella versione, non un motivo per interpretare più chiamate proposte come azioni completate.\n\nL’input di immagini aggiunge elementi visivi a un’attività testuale, come leggere un’etichetta visibile o descrivere lo stato mostrato in una schermata. Usate immagini supportate PNG, JPEG, WebP o GIF non animate, mantenete il testo leggibile e spiegate quale osservazione è importante. La guida alla visione segnala difficoltà con testo piccolo o ruotato, relazioni spaziali precise, conteggi degli oggetti e alcune scritture non latine. Fornite contesto circostante quando un ritaglio isolato renderebbe ambigua un’etichetta o uno schema. La risposta di Nano stesso è testo; uno strumento di generazione di immagini restituisce un risultato distinto. Nel processo di visione documentato di OpenAI, il contenuto complessivo della richiesta è limitato a 512 MB e una richiesta può includere fino a 1 500 immagini; anche immagini e testo devono rientrare nel contesto del modello.\n\nNel processo del produttore per i file, un modello capace di visione riceve sia testo estratto sia immagini delle pagine dei PDF. Gli altri formati di documento contribuiscono con testo estratto e l’integrazione dei fogli di calcolo considera fino alle prime 1 000 righe per foglio. Un file deve essere inferiore a 50 MB, con un limite complessivo di 50 MB per richiesta. Chat Completions supporta parti di file PDF, mentre il processo Responses documentato accetta ulteriori tipi di file. I grafici incorporati in documenti diversi dai PDF non vengono trasmessi come contenuti immagine, quindi una rappresentazione PDF è utile quando gli elementi visivi sono importanti.\n\nOpenAI documenta la memorizzazione nella cache dell’input per Nano e Predicted Outputs per la serie GPT-4.1 Nano. La cache dell’input riutilizza un prefisso di input idoneo nel servizio del produttore. Predicted Outputs fornisce invece testo di output in gran parte noto per una modifica, come rivedere un documento o un file di codice mantenendone le parti invariate. Il percorso di previsione è solo testuale ed esclude chiamate di funzione, logprobs e max_completion_tokens, tra altri controlli. Scegliete il percorso in base all’operazione effettiva e mantenetene il risultato associato alla fonte originale.\n\nIl produttore documenta anche fine-tuning supervisionato e ottimizzazione diretta delle preferenze per la versione GPT-4.1 denominata di Nano. Esempi di addestramento e risposte preferite rispetto a quelle rifiutate adattano un modello a un’attività ricorrente; sono distinti dal contesto fornito a una richiesta ordinaria. Per una fase pratica di estrazione o classificazione, iniziate con categorie chiare, esempi e un formato finale esplicito, poi esaminate se i campi restituiti conservano i fatti che la fase successiva userà.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2ab0e33a676fcc230f6d24b3f1ddad32dd454584aa8db69b16c8f5f95c188ad7", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "openai/gpt-4.1-nano:batchGPT-4.1 Nano è il membro compatto e reattivo della famiglia GPT-4.1 per attività con testo e immagini definite con precisione. Il contesto ampio, Structured Outputs e le chiamate di funzione supportano classificazione, estrazione e passaggi applicativi mirati.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-4.1 Nano è il membro più veloce della famiglia GPT-4.1 di OpenAI, progettato per seguire istruzioni e chiamare strumenti senza una fase separata di ragionamento. Accetta testo e immagini e produce testo. Nano è adatto a un’operazione ben definita in cui l’applicazione richiede una risposta compatta, un insieme di campi o la richiesta successiva a uno strumento, anziché un’indagine estesa.
Un esempio utile consiste nel classificare i messaggi ricevuti secondo un insieme di categorie fornito. Spiegate ogni categoria, mostrate come rappresentare messaggi ambigui o fuori ambito e chiedete la categoria insieme alla frase della fonte che la sostiene. Per l’estrazione, definite nomi dei campi, valori ammessi e trattamento delle informazioni mancanti. Per una breve attività di scrittura, fornite i fatti e chiedete il passaggio specifico necessario alla fase applicativa successiva. Esempi e vincoli devono essere abbastanza contenuti da restare chiari anche quando la raccolta di fonti è ampia.
Il produttore indica una finestra di contesto di 1 047 576 token, un output massimo di 32 768 token e conoscenze aggiornate al 1 giugno 2024. Queste specifiche coincidono con la finestra di GPT-4.1 Mini, preservando l’identità distinta di Nano e il suo ruolo orientato alla reattività. Etichettate documenti e sezioni della conversazione, includete soltanto il contesto pertinente all’operazione e riservate spazio per la risposta completa. I risultati del recupero di informazioni o il testo di riferimento fornito possono apportare fatti più recenti delle conoscenze apprese dal modello.
Nano supporta streaming e Structured Outputs. Una risposta finale vincolata a uno schema ha uno scopo diverso da una chiamata di funzione: la prima fornisce all’applicazione un risultato completato, la seconda le chiede di eseguire un’operazione. Structured Outputs supporta un sottoinsieme di JSON Schema; definite proprietà obbligatorie e una rappresentazione chiara dei valori sconosciuti. Gestite separatamente rifiuti e risposte incomplete e verificate i valori estratti rispetto all’input, senza equiparare una struttura valida a una conclusione corretta.
L’insieme degli strumenti documentati comprende chiamate di funzione, ricerca nei file, interpretazione del codice, connessioni MCP e uno strumento separato di generazione di immagini. L’applicazione fornisce descrizioni e schemi degli strumenti, esegue funzioni personalizzate e restituisce i risultati effettivi. Per la versione Nano del 14 aprile 2025, OpenAI consiglia specificamente di disabilitare le chiamate parallele agli strumenti, perché il modello può richiedere lo stesso strumento più volte in un turno. È una considerazione di esecuzione specifica di quella versione, non un motivo per interpretare più chiamate proposte come azioni completate.
L’input di immagini aggiunge elementi visivi a un’attività testuale, come leggere un’etichetta visibile o descrivere lo stato mostrato in una schermata. Usate immagini supportate PNG, JPEG, WebP o GIF non animate, mantenete il testo leggibile e spiegate quale osservazione è importante. La guida alla visione segnala difficoltà con testo piccolo o ruotato, relazioni spaziali precise, conteggi degli oggetti e alcune scritture non latine. Fornite contesto circostante quando un ritaglio isolato renderebbe ambigua un’etichetta o uno schema. La risposta di Nano stesso è testo; uno strumento di generazione di immagini restituisce un risultato distinto. Nel processo di visione documentato di OpenAI, il contenuto complessivo della richiesta è limitato a 512 MB e una richiesta può includere fino a 1 500 immagini; anche immagini e testo devono rientrare nel contesto del modello.
Nel processo del produttore per i file, un modello capace di visione riceve sia testo estratto sia immagini delle pagine dei PDF. Gli altri formati di documento contribuiscono con testo estratto e l’integrazione dei fogli di calcolo considera fino alle prime 1 000 righe per foglio. Un file deve essere inferiore a 50 MB, con un limite complessivo di 50 MB per richiesta. Chat Completions supporta parti di file PDF, mentre il processo Responses documentato accetta ulteriori tipi di file. I grafici incorporati in documenti diversi dai PDF non vengono trasmessi come contenuti immagine, quindi una rappresentazione PDF è utile quando gli elementi visivi sono importanti.
OpenAI documenta la memorizzazione nella cache dell’input per Nano e Predicted Outputs per la serie GPT-4.1 Nano. La cache dell’input riutilizza un prefisso di input idoneo nel servizio del produttore. Predicted Outputs fornisce invece testo di output in gran parte noto per una modifica, come rivedere un documento o un file di codice mantenendone le parti invariate. Il percorso di previsione è solo testuale ed esclude chiamate di funzione, logprobs e max_completion_tokens, tra altri controlli. Scegliete il percorso in base all’operazione effettiva e mantenetene il risultato associato alla fonte originale.
Il produttore documenta anche fine-tuning supervisionato e ottimizzazione diretta delle preferenze per la versione GPT-4.1 denominata di Nano. Esempi di addestramento e risposte preferite rispetto a quelle rifiutate adattano un modello a un’attività ricorrente; sono distinti dal contesto fornito a una richiesta ordinaria. Per una fase pratica di estrazione o classificazione, iniziate con categorie chiare, esempi e un formato finale esplicito, poi esaminate se i campi restituiti conservano i fatti che la fase successiva userà.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObbligatorio | Valori e limiti /v1/chat/completions | Predefinito— |
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-4.1-nano:batch | Predefinito— |
Camporequests | Tipobatch_item[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Camporequests[].custom_id | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campocompletion_window | Tipostring | RequisitoFacoltativo | Valori e limiti 24h | Predefinito— |
Campoprovider | Tipoobject|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Camporequests[].body.model | Tipostring | RequisitoFacoltativo | Valori e limiti openai/gpt-4.1-nano:batch, openai/gpt-4.1-nano | Predefinito— |
Campoprovider.only | Tipostring[] | RequisitoFacoltativo | Valori e limiti openai | Predefinito— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoFacoltativo | Valori e limiti false, null | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattoendpoint, model, requests |
Parametromaterial_types | Contrattotext |
Parametrorepresentation | Contrattorequests[] inline; ogni elemento contiene custom_id e body |
Parametrorequest_endpoint_profile | Contratto/v1/chat/completions |
Parametrofile_material | ContrattoIl chiamante può leggere localmente i dati JSONL effettivi in UTF-8 e inserirli in requests[]. Non viene usato alcun purpose di caricamento, input_file_id o riferimento a file. Il materiale del cliente mancante o vuoto interrompe la preparazione prima del POST. |
Parametroserialization_order | Contrattoendpoint, model, provider (se fornito), completion_window (se fornito), requests per ultimo |
Parametrooptional_controls | Contrattoprovider.only, provider.allow_fallbacks, completion_window |
Parametroschema_scope | ContrattoCorpi delle richieste Chat Completions per testo nella struttura inline Batch documentata. |
Ciclo di vita: asynchronous
GET /v1/batches/{operation_id} · response.id effettivo della risposta alla creazione originale; stesso utente/chiave/gruppo
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0001 / 1K token Output · Token in output $0.0004 / 1K token Input · Lettura dalla cache $0.000025 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0001 / 1K token Output · Token in output $0.0004 / 1K token Input · Lettura dalla cache $0.000025 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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.\nJSON inline di 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\nConserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva il JSON completo dello stato originale, ogni result/custom_id e il corpo completo della risposta o dell'errore. Salva i results[] completati come JSONL senza filtrarli.
Conserva l'ID dell'operazione originale. La risposta 503 result_pending_check contiene X-Should-Retry:false; non reinviare mai un batch originale il cui esito è sconosciuto.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneStruttura inline documentata non valida, chiavi duplicate, identità degli elementi non valida o conflitto con le capacità configurate del modello. | Passaggio successivoCorreggi i campi indicati prima di qualsiasi nuovo invio. |
Risposta401 · authentication_error | CondizioneChiave API non valida. | Passaggio successivoUsa la chiave Ailoot autorizzata. |
Risposta403 · permission_error | CondizioneGruppo Batch non disponibile. | Passaggio successivoVerifica le autorizzazioni della chiave e del gruppo. |
Risposta422 · invalid_request_error | CondizioneBatch usa l'addebito sul saldo; la creazione tramite abbonamento viene rifiutata. | Passaggio successivoUsa il gruppo autorizzato con addebito sul saldo. |
Risposta422 · price_unavailable | CondizioneNon è possibile formulare un preventivo per l'input Batch. | Passaggio successivoConserva la risposta; usa l'input documentato per la famiglia. |
Risposta402 · billing_error | CondizioneRiserva Batch non disponibile. | Passaggio successivoRisolvi le condizioni di ammissione prima di una nuova richiesta. |
Risposta503 · price_unavailable | CondizionePrezzo del metodo Batch o tariffe native non disponibili. | Passaggio successivoConserva la risposta; non sostituire i prezzi. |
Risposta503 · api_error | CondizioneLa rotta esatta del fornitore non è disponibile. | Passaggio successivoConserva la risposta per la riparazione della rotta. |
Risposta503 · result_pending_check | CondizioneIl risultato originale richiede una verifica; X-Should-Retry:false. | Passaggio successivoConserva operation_id/id originale e leggine lo stato; non ripetere mai il POST originale. |
Risposta404 · not_found | CondizioneL'operazione di stato Batch è assente o appartiene a un'altra identità. | Passaggio successivoUsa l'id originale esatto e lo stesso utente/chiave/gruppo. |
Ailoot Ultra openai/gpt-4.1-nano:batch
Usa i percorsi dei metodi indicati sopra.