OpenAI o3-mini è un modello di ragionamento più piccolo della serie o, orientato alla risoluzione di problemi tecnici, tra cui scienza, matematica e programmazione. Accetta testo e produce testo, con ragionamento interno aggiuntivo prima della risposta visibile. Usatelo per un problema matematico formulato chiaramente, un’analisi algoritmica, una revisione del codice o un confronto tecnico la cui conclusione dipende da diverse condizioni. L’impegno di ragionamento è configurabile per l’edizione o3-mini di base; un’impostazione predefinita o3-mini High seleziona l’impegno high anziché pesi separati del modello.
Il produttore documenta impegno di ragionamento low, medium e high. Un impegno maggiore può supportare un problema impegnativo e richiedere più tempo di generazione, mentre la risposta visibile desiderata può restare concisa. Fornite al modello il compito, i vincoli e il contratto per l’uscita anziché prescrivere una lunga catena di pensieri intermedi. Per un problema algoritmico, fornite i limiti dell’ingresso, il comportamento richiesto e i casi che determinano la correttezza. Per la matematica, definite le variabili, i domini, la notazione e il risultato richiesto.
OpenAI elenca una finestra di contesto di 200 000 token, un budget massimo di uscita di 100 000 token e conoscenze aggiornate fino al 1 ottobre 2023. I token di ragionamento consumano il contesto disponibile e il budget di uscita generata prima della risposta finale, quindi il massimo non è una promessa di altrettanti token di risposta visibile. Lasciate spazio sia per l’analisi sia per il risultato richiesto. Una richiesta può esaurire la propria disponibilità di token generati prima di restituire testo visibile utile se il budget è troppo piccolo per il problema.
La modalità nativa di ingresso è il testo, non la visione. Se un compito nasce da un diagramma o da una schermata, fornite in forma scritta le condizioni rilevanti. Il produttore elenca il caricamento di file e il supporto alla ricerca nei file nei flussi di lavoro assistiti da strumenti, che possono fornire materiale testuale pertinente senza cambiare la modalità nativa del modello. Identificate i passaggi delle fonti o i contenuti dei file necessari per rispondere alla domanda, anziché presumere che ogni allegato apporti automaticamente prove utili.
Il modello supporta Structured Outputs, chiamate di funzione e streaming, e la scheda del produttore elenca le interfacce Responses, Chat Completions, Assistants e Batch. In un compito strutturato, specificate i campi richiesti e come devono essere rappresentate le informazioni mancanti. In un flusso di lavoro con strumenti, il modello propone una funzione e degli argomenti; l’applicazione esegue l’azione e restituisce l’osservazione effettiva. Tenete distinta un’operazione proposta da una il cui risultato è stato ricevuto.
L’insieme attuale degli strumenti del produttore elenca anche ricerca nei file, interpretazione del codice, connessioni MCP e strumenti di generazione di immagini. Questi strumenti configurati hanno operazioni proprie; non trasformano la risposta testuale diretta di o3-mini in uscita nativa di immagini o audio. Per un’attività di programmazione, fornite il codice, il problema osservato e i requisiti, poi chiedete una proposta di modifica con una spiegazione dei casi che affronta. Se sono disponibili risultati di esecuzione, forniteli come prove per la revisione successiva anziché trattare codice non eseguito come un risultato completato.
Un risultato finale utile può essere una formula, un confronto motivato, una proposta di codice o un risultato tecnico strutturato che colleghi la conclusione alle condizioni originali. Per un seguito, indicate le nuove prove e la parte della risposta da rivedere. Preservate la conversazione pertinente e le osservazioni degli strumenti affinché la risposta successiva possa lavorare con risultati reali. Questo modello compatto di ragionamento è pratico quando il compito richiede analisi, vincoli chiari e un risultato testuale focalizzato, anziché ipotesi non supportate su azioni esterne.
", "aboutText": "OpenAI o3-mini è un modello di ragionamento più piccolo della serie o, orientato alla risoluzione di problemi tecnici, tra cui scienza, matematica e programmazione. Accetta testo e produce testo, con ragionamento interno aggiuntivo prima della risposta visibile. Usatelo per un problema matematico formulato chiaramente, un’analisi algoritmica, una revisione del codice o un confronto tecnico la cui conclusione dipende da diverse condizioni. L’impegno di ragionamento è configurabile per l’edizione o3-mini di base; un’impostazione predefinita o3-mini High seleziona l’impegno high anziché pesi separati del modello.\n\nIl produttore documenta impegno di ragionamento low, medium e high. Un impegno maggiore può supportare un problema impegnativo e richiedere più tempo di generazione, mentre la risposta visibile desiderata può restare concisa. Fornite al modello il compito, i vincoli e il contratto per l’uscita anziché prescrivere una lunga catena di pensieri intermedi. Per un problema algoritmico, fornite i limiti dell’ingresso, il comportamento richiesto e i casi che determinano la correttezza. Per la matematica, definite le variabili, i domini, la notazione e il risultato richiesto.\n\nOpenAI elenca una finestra di contesto di 200 000 token, un budget massimo di uscita di 100 000 token e conoscenze aggiornate fino al 1 ottobre 2023. I token di ragionamento consumano il contesto disponibile e il budget di uscita generata prima della risposta finale, quindi il massimo non è una promessa di altrettanti token di risposta visibile. Lasciate spazio sia per l’analisi sia per il risultato richiesto. Una richiesta può esaurire la propria disponibilità di token generati prima di restituire testo visibile utile se il budget è troppo piccolo per il problema.\n\nLa modalità nativa di ingresso è il testo, non la visione. Se un compito nasce da un diagramma o da una schermata, fornite in forma scritta le condizioni rilevanti. Il produttore elenca il caricamento di file e il supporto alla ricerca nei file nei flussi di lavoro assistiti da strumenti, che possono fornire materiale testuale pertinente senza cambiare la modalità nativa del modello. Identificate i passaggi delle fonti o i contenuti dei file necessari per rispondere alla domanda, anziché presumere che ogni allegato apporti automaticamente prove utili.\n\nIl modello supporta Structured Outputs, chiamate di funzione e streaming, e la scheda del produttore elenca le interfacce Responses, Chat Completions, Assistants e Batch. In un compito strutturato, specificate i campi richiesti e come devono essere rappresentate le informazioni mancanti. In un flusso di lavoro con strumenti, il modello propone una funzione e degli argomenti; l’applicazione esegue l’azione e restituisce l’osservazione effettiva. Tenete distinta un’operazione proposta da una il cui risultato è stato ricevuto.\n\nL’insieme attuale degli strumenti del produttore elenca anche ricerca nei file, interpretazione del codice, connessioni MCP e strumenti di generazione di immagini. Questi strumenti configurati hanno operazioni proprie; non trasformano la risposta testuale diretta di o3-mini in uscita nativa di immagini o audio. Per un’attività di programmazione, fornite il codice, il problema osservato e i requisiti, poi chiedete una proposta di modifica con una spiegazione dei casi che affronta. Se sono disponibili risultati di esecuzione, forniteli come prove per la revisione successiva anziché trattare codice non eseguito come un risultato completato.\n\nUn risultato finale utile può essere una formula, un confronto motivato, una proposta di codice o un risultato tecnico strutturato che colleghi la conclusione alle condizioni originali. Per un seguito, indicate le nuove prove e la parte della risposta da rivedere. Preservate la conversazione pertinente e le osservazioni degli strumenti affinché la risposta successiva possa lavorare con risultati reali. Questo modello compatto di ragionamento è pratico quando il compito richiede analisi, vincoli chiari e un risultato testuale focalizzato, anziché ipotesi non supportate su azioni esterne.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f2e57ff4c7234287bb055d2ab306405e686a2b721433c85dfa04233c85ad53f2", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "openai/o3-mini:batchOpenAI o3-mini è un modello di ragionamento testuale per scienza, matematica e programmazione. Offre impegno di ragionamento low, medium e high, un contesto di 200K, uscite strutturate e flussi di lavoro assistiti da strumenti, con un budget massimo di uscita generata di 100K token.
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.
OpenAI o3-mini è un modello di ragionamento più piccolo della serie o, orientato alla risoluzione di problemi tecnici, tra cui scienza, matematica e programmazione. Accetta testo e produce testo, con ragionamento interno aggiuntivo prima della risposta visibile. Usatelo per un problema matematico formulato chiaramente, un’analisi algoritmica, una revisione del codice o un confronto tecnico la cui conclusione dipende da diverse condizioni. L’impegno di ragionamento è configurabile per l’edizione o3-mini di base; un’impostazione predefinita o3-mini High seleziona l’impegno high anziché pesi separati del modello.
Il produttore documenta impegno di ragionamento low, medium e high. Un impegno maggiore può supportare un problema impegnativo e richiedere più tempo di generazione, mentre la risposta visibile desiderata può restare concisa. Fornite al modello il compito, i vincoli e il contratto per l’uscita anziché prescrivere una lunga catena di pensieri intermedi. Per un problema algoritmico, fornite i limiti dell’ingresso, il comportamento richiesto e i casi che determinano la correttezza. Per la matematica, definite le variabili, i domini, la notazione e il risultato richiesto.
OpenAI elenca una finestra di contesto di 200 000 token, un budget massimo di uscita di 100 000 token e conoscenze aggiornate fino al 1 ottobre 2023. I token di ragionamento consumano il contesto disponibile e il budget di uscita generata prima della risposta finale, quindi il massimo non è una promessa di altrettanti token di risposta visibile. Lasciate spazio sia per l’analisi sia per il risultato richiesto. Una richiesta può esaurire la propria disponibilità di token generati prima di restituire testo visibile utile se il budget è troppo piccolo per il problema.
La modalità nativa di ingresso è il testo, non la visione. Se un compito nasce da un diagramma o da una schermata, fornite in forma scritta le condizioni rilevanti. Il produttore elenca il caricamento di file e il supporto alla ricerca nei file nei flussi di lavoro assistiti da strumenti, che possono fornire materiale testuale pertinente senza cambiare la modalità nativa del modello. Identificate i passaggi delle fonti o i contenuti dei file necessari per rispondere alla domanda, anziché presumere che ogni allegato apporti automaticamente prove utili.
Il modello supporta Structured Outputs, chiamate di funzione e streaming, e la scheda del produttore elenca le interfacce Responses, Chat Completions, Assistants e Batch. In un compito strutturato, specificate i campi richiesti e come devono essere rappresentate le informazioni mancanti. In un flusso di lavoro con strumenti, il modello propone una funzione e degli argomenti; l’applicazione esegue l’azione e restituisce l’osservazione effettiva. Tenete distinta un’operazione proposta da una il cui risultato è stato ricevuto.
L’insieme attuale degli strumenti del produttore elenca anche ricerca nei file, interpretazione del codice, connessioni MCP e strumenti di generazione di immagini. Questi strumenti configurati hanno operazioni proprie; non trasformano la risposta testuale diretta di o3-mini in uscita nativa di immagini o audio. Per un’attività di programmazione, fornite il codice, il problema osservato e i requisiti, poi chiedete una proposta di modifica con una spiegazione dei casi che affronta. Se sono disponibili risultati di esecuzione, forniteli come prove per la revisione successiva anziché trattare codice non eseguito come un risultato completato.
Un risultato finale utile può essere una formula, un confronto motivato, una proposta di codice o un risultato tecnico strutturato che colleghi la conclusione alle condizioni originali. Per un seguito, indicate le nuove prove e la parte della risposta da rivedere. Preservate la conversazione pertinente e le osservazioni degli strumenti affinché la risposta successiva possa lavorare con risultati reali. Questo modello compatto di ragionamento è pratico quando il compito richiede analisi, vincoli chiari e un risultato testuale focalizzato, anziché ipotesi non supportate su azioni esterne.
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/o3-mini: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/o3-mini:batch, openai/o3-mini | 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 $0.0011 / 1K token Output · Token in output $0.0044 / 1K token Input · Lettura dalla cache $0.00055 / 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 $0.0011 / 1K token Output · Token in output $0.0044 / 1K token Input · Lettura dalla cache $0.00055 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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/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 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/o3-mini:batch
Usa i percorsi dei metodi indicati sopra.