Source: https://ailoot.ai/models/it/openai-o4-mini-u003a-batch/ Canonical: https://ailoot.ai/models/it/openai-o4-mini-u003a-batch/ Language: it # OpenAI: o4 Mini (batch) [Markdown](https://ailoot.ai/models/it/openai-o4-mini-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/it/openai-o4-mini-u003a-batch/facts.json) ## [OpenAI: o4 Mini (batch)](https://ailoot.ai/models/it/openai-o4-mini-u003a-batch/) OpenAI o4-mini è un modello di ragionamento compatto orientato all’efficienza nella programmazione e nelle attività visive. Accetta testo e immagini, restituisce testo e supporta risposte strutturate e strumenti per risolvere un problema tecnico delimitato o ricavare una conclusione utile dal materiale fornito. - [**Ailoot Ultra · Batch** `POST /v1/batches` `openai/o4-mini:batch`](https://ailoot.ai/models/it/openai-o4-mini-u003a-batch/#method-0) Informazioni sul modello 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. o4-mini è il modello di ragionamento compatto della serie o di OpenAI, ottimizzato per un ragionamento rapido ed efficace nelle attività di programmazione e visive. Accetta testo e immagini e produce testo. Il suo ruolo utile è affrontare un problema tecnico definito che richiede un’analisi prima della risposta: capire un errore nel codice, interpretare un diagramma, collegare fatti nel materiale fornito o produrre un risultato strutturato utilizzabile in un passaggio successivo. Per la programmazione, fornite al modello la funzione o i file pertinenti, il comportamento atteso e l’esatto ingresso che causa il problema o l’errore. Includete i dettagli del linguaggio e dell’ambiente che influiscono sul risultato. Una richiesta mirata può chiedere la causa probabile, una proposta di correzione minima e una spiegazione di come la modifica risolve il comportamento osservato. Definite i confini della modifica, per esempio preservare l’interfaccia pubblica o il significato dei dati esistenti, così da poter verificare il risultato rispetto al compito reale. Per un problema visivo, fornite una schermata, un diagramma o un grafico leggibile e indicate la domanda a cui deve rispondere. Mantenete visibili le etichette, gli assi e le unità significative. Una richiesta esemplificativa può chiedere di spiegare cosa dimostra un grafico, identificare le osservazioni utilizzate e distinguere un valore visibile da una deduzione. Per un’attività documentale, identificate il materiale di origine e definite i campi o le relazioni richiesti nella risposta. Anche un modello compatto trae beneficio da informazioni complete sul problema e da una richiesta precisa sul risultato da produrre. OpenAI specifica una finestra di contesto di 200 000 token, un’uscita massima di 100 000 token e conoscenze aggiornate fino al 1 giugno 2024. I token di ragionamento consumano sia la capacità del contesto sia quella dell’uscita: lasciate quindi spazio per l’analisi e la risposta finale, anziché riempire l’intera disponibilità con l’ingresso. Raggiungere il limite del contesto o dell’uscita può produrre una risposta incompleta prima di qualsiasi risposta visibile. Anche una risposta finale breve può richiedere ragionamento interno; la sola lunghezza visibile non descrive l’intero budget di token. La pagina specifica del modello o4-mini elenca le interfacce Chat Completions, Responses, Batch e fine-tuning. Le funzionalità documentate comprendono streaming, Structured Outputs, chiamate di funzione, caricamento di file, immagini in ingresso, ricerca nei file, memorizzazione dei prompt nella cache e fine-tuning. L’insieme degli strumenti elenca la ricerca sul Web e nei file, l’interpretazione del codice e le connessioni MCP. Assegnate a uno strumento dell’applicazione uno scopo chiaro e un contratto per i dati in ingresso, restituite il risultato reale e chiedete al modello di usarlo per la decisione successiva. Una chiamata di funzione richiesta è una proposta d’azione, mentre una risposta finale strutturata organizza le informazioni prodotte dal compito. Le indicazioni di OpenAI per scrivere prompt per la serie o raccomandano un obiettivo semplice e diretto, con vincoli espliciti e delimitatori chiari intorno al materiale di origine. Lasciate che il modello elabori il problema internamente; chiedete la spiegazione finale, le prove o il calcolo necessari, anziché una trascrizione del ragionamento nascosto. Provate prima una richiesta chiara, poi aggiungete esempi se un formato richiesto o il confine di una categoria rimangono poco chiari. Un esempio deve dimostrare le stesse regole del compito reale, compreso il modo di rappresentare le informazioni mancanti. Per le applicazioni che richiedono una spiegazione facoltativa del processo di ragionamento, la guida di OpenAI documenta esplicitamente riassunti dettagliati del ragionamento per o4-mini. Un riassunto deve essere richiesto ed è distinto dai token grezzi del ragionamento interno, che non sono esposti. La risposta finale deve comunque contenere il risultato chiesto dall’utente: per esempio, una proposta di modifica del codice, l’interpretazione di un grafico con le osservazioni pertinenti o campi estratti e collegati al materiale fornito. Fornite fatti recenti quando sono rilevanti, verificate le affermazioni importanti rispetto alla fonte e usate un compito delimitato e un criterio di completamento per mantenere focalizzato il flusso di lavoro. **Ailoot Ultra · Batch** `POST /v1/batches` `openai/o4-mini:batch` [`openai/o4-mini:batch`](https://ailoot.ai/models/it/#m=openai%2Fo4-mini%3Abatch&route=Ultra&caller=openai%2Fo4-mini%3Abatch&fmt=batches) OpenAI /`openai/o4-mini:batch` ### Introduzione OpenAI o4-mini è un modello di ragionamento compatto orientato all’efficienza nella programmazione e nelle attività visive. Accetta testo e immagini, restituisce testo e supporta risposte strutturate e strumenti per risolvere un problema tecnico delimitato o ricavare una conclusione utile dal materiale fornito. Input accettati Testo Risultati Testo ### Disponibile in Ailoot · input e metodi **Ailoot Ultra · Batch** `POST /v1/batches` Tipi di input `text` Tipi di output `text` Formato di output JSON inline di results\[\].response.body | Campo | Tipo | Requisito | Valori e limiti | Predefinito | | --- | --- | --- | --- | --- | | Campo`endpoint` | Tipo`string` | RequisitoObbligatorio | Valori e limiti /v1/chat/completions | Predefinito— | | Campo`model` | Tipo`string` | RequisitoObbligatorio | Valori e limiti openai/o4-mini:batch | Predefinito— | | Campo`requests` | Tipo`batch_item[]` | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— | | Campo`requests[].custom_id` | Tipo`string` | RequisitoObbligatorio | Valori e limiti | Predefinito— | | Campo`requests[].body.messages` | Tipo`message[]` | RequisitoObbligatorio | Valori e limiti | Predefinito— | | Campo`completion_window` | Tipo`string` | RequisitoFacoltativo | Valori e limiti 24h | Predefinito— | | Campo`provider` | Tipo`object\|null` | RequisitoFacoltativo | Valori e limiti | Predefinito— | | Campo`requests[].body.model` | Tipo`string` | RequisitoFacoltativo | Valori e limiti openai/o4-mini:batch, openai/o4-mini | Predefinito— | | Campo`provider.only` | Tipo`string[]` | RequisitoFacoltativo | Valori e limiti openai | Predefinito— | | Campo`provider.allow_fallbacks` | Tipo`boolean\|null` | RequisitoFacoltativo | Valori e limiti false, null | Predefinito— | Parametri e ciclo di vita del metodo | Parametro | Contratto | | --- | --- | | Parametro`content_type` | Contrattoapplication/json | | Parametro`required` | Contrattoendpoint, model, requests | | Parametro`material_types` | Contrattotext | | Parametro`representation` | Contrattorequests\[\] inline; ogni elemento contiene custom\_id e body | | Parametro`request_endpoint_profile` | Contratto/v1/chat/completions | | Parametro`file_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. | | Parametro`serialization_order` | Contrattoendpoint, model, provider (se fornito), completion\_window (se fornito), requests per ultimo | | Parametro`optional_controls` | Contrattoprovider.only, provider.allow\_fallbacks, completion\_window | | Parametro`schema_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 ### Tariffe Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato. Modalità rapida Non specificato Quando è selezionata la modalità rapida Modalità flex Non specificato Quando è selezionata la modalità flex Sforzo massimo di ragionamento Non specificato Quando lo sforzo massimo di ragionamento usa l'adeguamento predefinito (default) Tariffe della cache esplicita Non abilitato Quando viene richiesta una cache esplicita #### Tariffe Ailoot #### Prezzi per configurazione 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 **$0.000275** / 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 **$0.000275** / 1K token Input · Scrittura nella cache **—** / 1K token Input · Scrittura nella cache, 1 ora **—** / 1K token | Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. [Come funzionano la prenotazione e l’addebito finale →](https://ailoot.ai/docs/it/billing/reserve/) ### Esempi di richieste #### Ailoot Ultra · Batch curl · fixture conservataPython HTTP · JSONL effettivo del clientePython · salva ogni risultato completato ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json from pathlib import Path body=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/o4-mini:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}') Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8") PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json ``` ```python import json, os from pathlib import Path from urllib.request import Request, urlopen def prepare_requests(customer_path): path = Path(customer_path) if not path.is_file(): raise ValueError("Customer JSONL file is missing") items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()] if not items: raise ValueError("Customer JSONL contains no requests") ids = set() for item in items: if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body") cid = item["custom_id"] if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique") ids.add(cid) if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages") supplied_model = item["body"].get("model") if supplied_model is not None and supplied_model not in ['openai/o4-mini:batch', 'openai/o4-mini']: raise ValueError("body.model must be an exact documented caller or wire ID") return {"endpoint":"/v1/chat/completions", "model":"openai/o4-mini:batch", "requests":items} if __name__ == "__main__": material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "") if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file") body = prepare_requests(material) key = os.environ.get("AILOOT_API_KEY", "") if not key: raise SystemExit("Set AILOOT_API_KEY") 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") with urlopen(request) as response: raw = response.read() Path("batch-create-response.json").write_bytes(raw) print(raw.decode("utf-8")) ``` ```python import json from pathlib import Path raw = Path("batch-status-response.json").read_bytes() response = json.loads(raw) if response.get("status") != "completed": raise SystemExit("Keep the original operation; read its status without resubmitting") results = response.get("results") if not isinstance(results, list) or not results: raise SystemExit("Preserve the original response; completed results are missing") Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8") # Preserve batch-status-response.json with aggregate usage and every result/error. ``` ### Ricevi e salva i risultati #### Ailoot Ultra · Batch JSON inline di results\[\].response.body - `GET /v1/batches/{operation_id}` ##### Verifica lo stato dell’attività curl · stato dell’operazione originale ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" BATCH_OPERATION_ID="$(python3 - <<'PY_ID' import json from pathlib import Path from urllib.parse import quote response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8")) operation = response.get("id") if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit") print(quote(operation, safe="")) PY_ID )" curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \ -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json ``` ##### Conserva tutti i risultati completati Conserva 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. ##### Se occorre verificare la risposta originale 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. Campi della risposta | Campo | Tipo | | --- | --- | | Campo`results[].custom_id` | Tipostring | | Campo`results[].response.body.choices[].message.content` | Tipostring\|null | | Campo`results[].error` | Tipoobject\|null | | Campo`usage` | Tipoobject\|null | | Campo`id` | Tipostring | | Campo`model` | Tipostring | | Campo`endpoint` | Tipostring | | Campo`status` | Tipostring | | Campo`request_counts` | Tipoobject | | Campo`results[].id` | Tipostring | | Campo`results[].response.status_code` | Tipointeger | | Campo`results[].response.request_id` | Tipostring | Errori e passaggi successivi | 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. | ### Alias #### Alias del modello **Ailoot Ultra** [`openai/o4-mini:batch`](https://ailoot.ai/models/it/#m=openai%2Fo4-mini%3Abatch&route=Ultra&caller=openai%2Fo4-mini%3Abatch&fmt=batches) #### Alias dei percorsi dei metodi Usa i percorsi dei metodi indicati sopra. #### ID di chiamata correlati [`openai/o4-mini:batch`](https://ailoot.ai/models/it/#m=openai%2Fo4-mini%3Abatch&route=Ultra&caller=openai%2Fo4-mini%3Abatch&fmt=batches) FAQ · OpenAI: o4 Mini (batch) Quali input e risultati sono disponibili? `POST /v1/batches` · `openai/o4-mini:batch`: `text` → `text` Quali campi usa la richiesta? `POST /v1/batches` · `openai/o4-mini:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider` Quali limiti si applicano? `POST /v1/batches` · `openai/o4-mini:batch`: `requests.min_items`: `1` Collega Ailoot a Claude Code, OpenCode, Hermes o alla tua applicazione. ## L’azienda e il suo portafoglio di progetti L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. ## Acquista token con uno sconto. Sconto con abbonamento per lavoro regolare. Codici fino al 50% sull’acquisto di token. Abbonamento Scegli un piano scontato per richieste regolari. Codice fino al 50% Inserisci il codice all’acquisto. Il prezzo si aggiorna secondo la promozione. Spese nella cronologia Modello, token e importo sono salvati per ogni richiesta. [Scegli abbonamento](https://ailoot.ai/docs/it/billing/subscriptions/) · [Consulta prezzi dei modelli](https://ailoot.ai/models/it/) ## Collega l’API al prodotto che vendi. SaaS, app e bot secondo offerta e accordo di licenza Ailoot. Per rivendere, richiedi una licenza reseller. Applicazione commerciale Integra generazione di testo, immagini, video e suono nelle funzioni a pagamento. Licenza reseller Invia descrizione del progetto e schema di accesso. Richiedi condizioni scritte per uso e rivendita. Documenti sul sito Offerta, accordo di licenza e politica sui dati sono disponibili prima della connessione. [Richiedi licenza reseller](mailto:support@ailoot.ai) · [Offerta e accordo di licenza](https://ailoot.ai/legal/offer?lang=it) ## Ailoot · L’azienda e il suo portafoglio di progetti Ailoot si basa su un’esperienza operativa consolidata, un’ampia base di clienti, un servizio stabile e un controllo costante dei KPI. L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. Ailoot mette questa esperienza operativa al servizio dell’accesso API alle funzioni AI nei prodotti dei clienti, negli agenti, nelle applicazioni e nelle automazioni.