GPT-4.1은 지시 이행과 도구 호출을 위한 OpenAI의 비추론 모델로, 여러 분야에 걸친 폭넓은 지식을 갖추고 있습니다. 텍스트와 이미지를 입력받아 전용 추론 단계 없이 텍스트를 반환합니다. 큰 컨텍스트는 작업이 명확하게 정의되어 있지만 관련 자료가 방대한 문서나 코드에 걸쳐 있을 때 유용합니다. 원하는 작업, 적용할 원본 자료, 최종 결과의 형식을 명시하세요.
문서 처리에는 제목이나 다른 명확한 경계로 지시와 자료를 분리합니다. 문서에 레이블을 붙이고 답변이 참조해야 할 식별자를 보존하세요. 추출할 필드, 비교 기준, 재작성의 독자와 길이를 정의합니다. 출력의 예로 원본 위치가 있는 요구 사항 표, 정해진 질문 집합에 따라 구성한 요약, 누락된 정보와 명시적인 값을 구분하는 구조화된 기록이 있습니다.
코딩에는 관련 파일, 요청한 변경, 그대로 유지해야 할 동작을 제공하세요. 수정한 함수, 전체 파일, 도구 인자 제안, 영향을 받는 로직 설명처럼 실제로 필요한 산출물을 요청합니다. 예시는 형식 규칙이나 경계 사례를 명확히 할 수 있지만 실제 작업과 같은 요구 사항을 따라야 합니다. OpenAI의 프롬프트 지침은 긴 프롬프트가 자동으로 정확하다고 가정하는 대신 직접적인 지시, 역할, 원본 경계, 대표 예시를 강조합니다.
정확한 GPT-4.1 사양에는 1,047,576토큰의 컨텍스트 창, 32,768토큰의 최대 출력, 2024년 6월 1일의 지식 기준일이 명시되어 있습니다. 큰 입력 컨텍스트가 똑같이 큰 출력을 의미하지 않으므로, 방대한 자료를 재작성하는 요청은 필요한 부분과 최종 산출물을 지정해야 합니다. 답변에 충분한 여유를 남겨두고 지식 기준일 이후의 사실에 작업이 의존하면 최신 정보를 제공하세요. 문서화된 GPT-4.1 모델 유형은 chat이며, 새로운 추론 모델의 추론 강도 설정은 이 프로필에 포함되지 않습니다.
OpenAI는 GPT-4.1의 Chat Completions, Responses, Assistants, Batch, 파인 튜닝 인터페이스를 문서화합니다. 명시된 기능에는 스트리밍, Structured Outputs, 함수 호출, 파일 업로드, 이미지 입력, 웹·파일 검색, 파인 튜닝, 프롬프트 캐싱이 포함됩니다. 도구에는 검색과 함수 외에도 코드 실행, 이미지 생성, MCP 연결이 있습니다. 모델 자체의 출력은 텍스트이며 도구는 별도의 산출물이나 관찰을 반환할 수 있습니다. 애플리케이션 작업의 목적과 인자를 정의하고 실제로 반환된 결과를 사용하세요. 모델이 생성한 요청은 외부 작업이 완료되었다는 확인이 아닙니다.
특징적인 기능은 OpenAI의 Chat Completions 인터페이스에 있는 Predicted Outputs입니다. 원하는 텍스트나 코드 결과의 대부분을 이미 알고 있다면 기존 내용을 예측으로 제공해 작은 변경이 포함된 전체 결과를 다시 생성하도록 도울 수 있습니다. 예를 들어 현재 파일을 제공하고 주변 코드를 유지하면서 엄격하게 지정한 속성 이름을 바꾸도록 요청할 수 있습니다. 예측은 기대하는 출력 내용이지 지시나 변경되지 않은 부분이 계속 올바르다는 보장이 아닙니다. 다시 생성한 산출물을 요청한 수정 및 원본 자료와 대조하세요.
Predicted Outputs에는 고유한 호환성 한도가 있습니다. OpenAI는 오디오 입력·출력과 해당 요청의 함수 호출이 없는 텍스트 전용 사용을 문서화합니다. n이 1보다 큰 여러 선택지, 로그 확률, 양수 presence 또는 frequency 페널티, max_completion_tokens 매개변수는 지원하지 않습니다. 이 재생성 작업 흐름과 도구 호출이 필요한 작업을 구분하세요. 예측 텍스트는 출력의 일부와 일치할 수 있으며 개발사는 수락·거절된 예측 토큰을 보고합니다. 부적합한 예측은 일부가 사용되지 않을 수 있으므로 특정 속도 향상이나 결과를 보장하지 않습니다.
일반적인 지시 이행 작업에서 유용한 GPT-4.1 결과는 정의한 규격을 따르는 문서·코드 산출물, 명시적인 필드가 있는 추출, 제공된 작업에 인자가 맞는 도구 요청입니다. 대부분 바뀌지 않는 파일을 조금 수정할 때 예측 출력 작업 흐름은 기대 결과를 준비하는 더 구체적인 방법을 제공합니다. 두 경우 모두 답변을 확인하는 데 필요한 원본 자료를 보관하고 모호함을 명시하세요. 모델의 컨텍스트 용량과 도구는 작업 흐름을 지원하지만, 완전하고 사용할 수 있는 답변의 내용은 작업 지시서가 결정합니다.
", "aboutText": "GPT-4.1은 지시 이행과 도구 호출을 위한 OpenAI의 비추론 모델로, 여러 분야에 걸친 폭넓은 지식을 갖추고 있습니다. 텍스트와 이미지를 입력받아 전용 추론 단계 없이 텍스트를 반환합니다. 큰 컨텍스트는 작업이 명확하게 정의되어 있지만 관련 자료가 방대한 문서나 코드에 걸쳐 있을 때 유용합니다. 원하는 작업, 적용할 원본 자료, 최종 결과의 형식을 명시하세요.\n\n문서 처리에는 제목이나 다른 명확한 경계로 지시와 자료를 분리합니다. 문서에 레이블을 붙이고 답변이 참조해야 할 식별자를 보존하세요. 추출할 필드, 비교 기준, 재작성의 독자와 길이를 정의합니다. 출력의 예로 원본 위치가 있는 요구 사항 표, 정해진 질문 집합에 따라 구성한 요약, 누락된 정보와 명시적인 값을 구분하는 구조화된 기록이 있습니다.\n\n코딩에는 관련 파일, 요청한 변경, 그대로 유지해야 할 동작을 제공하세요. 수정한 함수, 전체 파일, 도구 인자 제안, 영향을 받는 로직 설명처럼 실제로 필요한 산출물을 요청합니다. 예시는 형식 규칙이나 경계 사례를 명확히 할 수 있지만 실제 작업과 같은 요구 사항을 따라야 합니다. OpenAI의 프롬프트 지침은 긴 프롬프트가 자동으로 정확하다고 가정하는 대신 직접적인 지시, 역할, 원본 경계, 대표 예시를 강조합니다.\n\n정확한 GPT-4.1 사양에는 1,047,576토큰의 컨텍스트 창, 32,768토큰의 최대 출력, 2024년 6월 1일의 지식 기준일이 명시되어 있습니다. 큰 입력 컨텍스트가 똑같이 큰 출력을 의미하지 않으므로, 방대한 자료를 재작성하는 요청은 필요한 부분과 최종 산출물을 지정해야 합니다. 답변에 충분한 여유를 남겨두고 지식 기준일 이후의 사실에 작업이 의존하면 최신 정보를 제공하세요. 문서화된 GPT-4.1 모델 유형은 chat이며, 새로운 추론 모델의 추론 강도 설정은 이 프로필에 포함되지 않습니다.\n\nOpenAI는 GPT-4.1의 Chat Completions, Responses, Assistants, Batch, 파인 튜닝 인터페이스를 문서화합니다. 명시된 기능에는 스트리밍, Structured Outputs, 함수 호출, 파일 업로드, 이미지 입력, 웹·파일 검색, 파인 튜닝, 프롬프트 캐싱이 포함됩니다. 도구에는 검색과 함수 외에도 코드 실행, 이미지 생성, MCP 연결이 있습니다. 모델 자체의 출력은 텍스트이며 도구는 별도의 산출물이나 관찰을 반환할 수 있습니다. 애플리케이션 작업의 목적과 인자를 정의하고 실제로 반환된 결과를 사용하세요. 모델이 생성한 요청은 외부 작업이 완료되었다는 확인이 아닙니다.\n\n특징적인 기능은 OpenAI의 Chat Completions 인터페이스에 있는 Predicted Outputs입니다. 원하는 텍스트나 코드 결과의 대부분을 이미 알고 있다면 기존 내용을 예측으로 제공해 작은 변경이 포함된 전체 결과를 다시 생성하도록 도울 수 있습니다. 예를 들어 현재 파일을 제공하고 주변 코드를 유지하면서 엄격하게 지정한 속성 이름을 바꾸도록 요청할 수 있습니다. 예측은 기대하는 출력 내용이지 지시나 변경되지 않은 부분이 계속 올바르다는 보장이 아닙니다. 다시 생성한 산출물을 요청한 수정 및 원본 자료와 대조하세요.\n\nPredicted Outputs에는 고유한 호환성 한도가 있습니다. OpenAI는 오디오 입력·출력과 해당 요청의 함수 호출이 없는 텍스트 전용 사용을 문서화합니다. n이 1보다 큰 여러 선택지, 로그 확률, 양수 presence 또는 frequency 페널티, max_completion_tokens 매개변수는 지원하지 않습니다. 이 재생성 작업 흐름과 도구 호출이 필요한 작업을 구분하세요. 예측 텍스트는 출력의 일부와 일치할 수 있으며 개발사는 수락·거절된 예측 토큰을 보고합니다. 부적합한 예측은 일부가 사용되지 않을 수 있으므로 특정 속도 향상이나 결과를 보장하지 않습니다.\n\n일반적인 지시 이행 작업에서 유용한 GPT-4.1 결과는 정의한 규격을 따르는 문서·코드 산출물, 명시적인 필드가 있는 추출, 제공된 작업에 인자가 맞는 도구 요청입니다. 대부분 바뀌지 않는 파일을 조금 수정할 때 예측 출력 작업 흐름은 기대 결과를 준비하는 더 구체적인 방법을 제공합니다. 두 경우 모두 답변을 확인하는 데 필요한 원본 자료를 보관하고 모호함을 명시하세요. 모델의 컨텍스트 용량과 도구는 작업 흐름을 지원하지만, 완전하고 사용할 수 있는 답변의 내용은 작업 지시서가 결정합니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "dd8c2f76770465ba0bdc90b857c00535c4554e4c31266fac7bd55d644cba8a58", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "openai/gpt-4.1:batchOpenAI GPT-4.1은 정확한 지시 이행, 코딩, 도구 호출을 위한 비추론 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 반환하며, 큰 컨텍스트 창, Structured Outputs, 대부분 바뀌지 않는 텍스트나 코드를 다시 생성하는 Predicted Outputs를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-4.1은 지시 이행과 도구 호출을 위한 OpenAI의 비추론 모델로, 여러 분야에 걸친 폭넓은 지식을 갖추고 있습니다. 텍스트와 이미지를 입력받아 전용 추론 단계 없이 텍스트를 반환합니다. 큰 컨텍스트는 작업이 명확하게 정의되어 있지만 관련 자료가 방대한 문서나 코드에 걸쳐 있을 때 유용합니다. 원하는 작업, 적용할 원본 자료, 최종 결과의 형식을 명시하세요.
문서 처리에는 제목이나 다른 명확한 경계로 지시와 자료를 분리합니다. 문서에 레이블을 붙이고 답변이 참조해야 할 식별자를 보존하세요. 추출할 필드, 비교 기준, 재작성의 독자와 길이를 정의합니다. 출력의 예로 원본 위치가 있는 요구 사항 표, 정해진 질문 집합에 따라 구성한 요약, 누락된 정보와 명시적인 값을 구분하는 구조화된 기록이 있습니다.
코딩에는 관련 파일, 요청한 변경, 그대로 유지해야 할 동작을 제공하세요. 수정한 함수, 전체 파일, 도구 인자 제안, 영향을 받는 로직 설명처럼 실제로 필요한 산출물을 요청합니다. 예시는 형식 규칙이나 경계 사례를 명확히 할 수 있지만 실제 작업과 같은 요구 사항을 따라야 합니다. OpenAI의 프롬프트 지침은 긴 프롬프트가 자동으로 정확하다고 가정하는 대신 직접적인 지시, 역할, 원본 경계, 대표 예시를 강조합니다.
정확한 GPT-4.1 사양에는 1,047,576토큰의 컨텍스트 창, 32,768토큰의 최대 출력, 2024년 6월 1일의 지식 기준일이 명시되어 있습니다. 큰 입력 컨텍스트가 똑같이 큰 출력을 의미하지 않으므로, 방대한 자료를 재작성하는 요청은 필요한 부분과 최종 산출물을 지정해야 합니다. 답변에 충분한 여유를 남겨두고 지식 기준일 이후의 사실에 작업이 의존하면 최신 정보를 제공하세요. 문서화된 GPT-4.1 모델 유형은 chat이며, 새로운 추론 모델의 추론 강도 설정은 이 프로필에 포함되지 않습니다.
OpenAI는 GPT-4.1의 Chat Completions, Responses, Assistants, Batch, 파인 튜닝 인터페이스를 문서화합니다. 명시된 기능에는 스트리밍, Structured Outputs, 함수 호출, 파일 업로드, 이미지 입력, 웹·파일 검색, 파인 튜닝, 프롬프트 캐싱이 포함됩니다. 도구에는 검색과 함수 외에도 코드 실행, 이미지 생성, MCP 연결이 있습니다. 모델 자체의 출력은 텍스트이며 도구는 별도의 산출물이나 관찰을 반환할 수 있습니다. 애플리케이션 작업의 목적과 인자를 정의하고 실제로 반환된 결과를 사용하세요. 모델이 생성한 요청은 외부 작업이 완료되었다는 확인이 아닙니다.
특징적인 기능은 OpenAI의 Chat Completions 인터페이스에 있는 Predicted Outputs입니다. 원하는 텍스트나 코드 결과의 대부분을 이미 알고 있다면 기존 내용을 예측으로 제공해 작은 변경이 포함된 전체 결과를 다시 생성하도록 도울 수 있습니다. 예를 들어 현재 파일을 제공하고 주변 코드를 유지하면서 엄격하게 지정한 속성 이름을 바꾸도록 요청할 수 있습니다. 예측은 기대하는 출력 내용이지 지시나 변경되지 않은 부분이 계속 올바르다는 보장이 아닙니다. 다시 생성한 산출물을 요청한 수정 및 원본 자료와 대조하세요.
Predicted Outputs에는 고유한 호환성 한도가 있습니다. OpenAI는 오디오 입력·출력과 해당 요청의 함수 호출이 없는 텍스트 전용 사용을 문서화합니다. n이 1보다 큰 여러 선택지, 로그 확률, 양수 presence 또는 frequency 페널티, max_completion_tokens 매개변수는 지원하지 않습니다. 이 재생성 작업 흐름과 도구 호출이 필요한 작업을 구분하세요. 예측 텍스트는 출력의 일부와 일치할 수 있으며 개발사는 수락·거절된 예측 토큰을 보고합니다. 부적합한 예측은 일부가 사용되지 않을 수 있으므로 특정 속도 향상이나 결과를 보장하지 않습니다.
일반적인 지시 이행 작업에서 유용한 GPT-4.1 결과는 정의한 규격을 따르는 문서·코드 산출물, 명시적인 필드가 있는 추출, 제공된 작업에 인자가 맞는 도구 요청입니다. 대부분 바뀌지 않는 파일을 조금 수정할 때 예측 출력 작업 흐름은 기대 결과를 준비하는 더 구체적인 방법을 제공합니다. 두 경우 모두 답변을 확인하는 데 필요한 원본 자료를 보관하고 모호함을 명시하세요. 모델의 컨텍스트 용량과 도구는 작업 흐름을 지원하지만, 완전하고 사용할 수 있는 답변의 내용은 작업 지시서가 결정합니다.
POST /v1/batchestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드endpoint | 유형string | 요건필수 | 값과 한도 /v1/chat/completions | 기본값— |
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-4.1:batch | 기본값— |
필드requests | 유형batch_item[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드requests[].custom_id | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드requests[].body.messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드completion_window | 유형string | 요건선택 사항 | 값과 한도 24h | 기본값— |
필드provider | 유형object|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드requests[].body.model | 유형string | 요건선택 사항 | 값과 한도 openai/gpt-4.1:batch, openai/gpt-4.1 | 기본값— |
필드provider.only | 유형string[] | 요건선택 사항 | 값과 한도 openai | 기본값— |
필드provider.allow_fallbacks | 유형boolean|null | 요건선택 사항 | 값과 한도 false, null | 기본값— |
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세endpoint, model, requests |
매개변수material_types | 명세text |
매개변수representation | 명세인라인 requests[]; 각 항목에는 custom_id와 body가 있습니다 |
매개변수request_endpoint_profile | 명세/v1/chat/completions |
매개변수file_material | 명세호출자는 실제 UTF-8 JSONL을 로컬에서 읽어 requests[]에 넣을 수 있습니다. 업로드 목적, input_file_id 또는 파일 참조는 사용하지 않습니다. 고객 자료가 없거나 비어 있으면 POST 전에 준비를 중단합니다. |
매개변수serialization_order | 명세endpoint, model, provider (제공된 경우), completion_window (제공된 경우), requests는 마지막에 |
매개변수optional_controls | 명세provider.only, provider.allow_fallbacks, completion_window |
매개변수schema_scope | 명세문서에 명시된 인라인 배치 요청 구조에 담긴 텍스트 Chat Completions 본문입니다. |
수명 주기: asynchronous
GET /v1/batches/{operation_id} · 최초 생성 응답에서 실제로 반환된 response.id; 동일한 사용자/키/그룹
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.002 / 1K 토큰 출력 · 출력 토큰 $0.008 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.002 / 1K 토큰 출력 · 출력 토큰 $0.008 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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: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:batch', 'openai/gpt-4.1']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4.1: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.\n인라인 results[].response.body JSON
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\n반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
최초 상태 JSON 전체, 모든 결과/custom_id와 응답 또는 오류 본문 전체를 보관하세요. 완료된 results[]는 필터링 없이 JSONL로 저장하세요.
최초 작업 ID를 보관하세요. 503 result_pending_check에는 X-Should-Retry:false가 포함됩니다. 상태가 불명확한 최초 배치를 다시 제출하지 마세요.
| 필드 | 유형 |
|---|---|
필드results[].custom_id | 유형string |
필드results[].response.body.choices[].message.content | 유형string|null |
필드results[].error | 유형object|null |
필드usage | 유형object|null |
필드id | 유형string |
필드model | 유형string |
필드endpoint | 유형string |
필드status | 유형string |
필드request_counts | 유형object |
필드results[].id | 유형string |
필드results[].response.status_code | 유형integer |
필드results[].response.request_id | 유형string |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건문서에 명시된 인라인 요청 구조가 유효하지 않거나, 키가 중복되거나, 항목 식별 정보 또는 설정된 모델 기능에 충돌이 있습니다. | 다음 단계새로 제출하기 전에 표시된 필드를 수정하세요. |
응답401 · authentication_error | 조건유효하지 않은 API 키입니다. | 다음 단계사용 권한이 있는 Ailoot 키를 사용하세요. |
응답403 · permission_error | 조건배치 그룹을 사용할 수 없습니다. | 다음 단계키/그룹의 사용 권한을 확인하세요. |
응답422 · invalid_request_error | 조건배치는 잔액 과금을 사용하며, 구독을 통한 생성 요청은 거부됩니다. | 다음 단계사용 권한이 있는 잔액 과금 그룹을 사용하세요. |
응답422 · price_unavailable | 조건배치 입력의 예상 비용을 산출할 수 없습니다. | 다음 단계응답을 보관하고 문서에 명시된 API 계열 입력을 사용하세요. |
응답402 · billing_error | 조건배치 예약 금액을 확보할 수 없습니다. | 다음 단계새 요청 전에 요청 허용 조건을 충족하세요. |
응답503 · price_unavailable | 조건배치 메서드 가격 또는 네이티브 요율을 사용할 수 없습니다. | 다음 단계응답을 보관하고 가격을 임의로 대체하지 마세요. |
응답503 · api_error | 조건정확히 일치하는 공급업체 라우트를 사용할 수 없습니다. | 다음 단계라우트 수정을 위해 응답을 보관하세요. |
응답503 · result_pending_check | 조건최초 결과를 확인해야 합니다. X-Should-Retry:false. | 다음 단계최초 operation_id/id를 보관하고 해당 상태를 조회하세요. 최초 POST를 반복하지 마세요. |
응답404 · not_found | 조건배치 상태 조회 대상 작업이 없거나 다른 사용 주체의 소유입니다. | 다음 단계최초 id를 정확히 사용하고 동일한 사용자/키/그룹을 유지하세요. |
Ailoot Ultra openai/gpt-4.1:batch
위에 표시된 메서드 경로를 사용하세요.