GPT-4o Mini는 범위를 좁힌 작업을 위한 OpenAI의 소형 GPT-4o 계열 모델입니다. 텍스트와 이미지를 입력받아 Structured Outputs를 포함한 텍스트를 출력합니다. 필드 추출, 제공된 참고 자료에 기반한 답변 작성, 더 큰 과정의 한정된 단계 수행처럼 잘 명시된 요청에 애플리케이션이 간결한 응답을 필요로 할 때 유용합니다.
지원 답변에는 받은 메시지, 관련 정책 발췌, 대화에서 이미 확인된 사실을 제공하세요. 짧은 답변 제안을 요청하고 발신자에게 아직 필요한 정보를 밝힙니다. 문서 추출에는 필드를 정의하고 누락된 값을 처리하는 방법을 설명하며 각 결과를 원본과 연결하는 레이블을 보존하세요. 같은 접근 방식으로 분류, 편집된 구절, 작은 코드 변경의 설명도 만들 수 있으며, 모델을 애플리케이션의 주변 로직을 대신하는 수단으로 취급할 필요는 없습니다.
개발사는 128,000토큰의 컨텍스트 창, 16,384토큰의 최대 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 원본 자료, 대화, 생성된 출력이 함께 이 컨텍스트를 사용합니다. 이전의 중요한 사실을 확인할 수 있게 유지하고 필요한 최종 산출물을 지정하세요. GPT-4o Mini는 별도의 소형 모델이며 전체 GPT-4o의 출력 길이 모드가 아닙니다. 두 모델이 사양을 공유하는 부분에서도 고유한 정체성과 기능에 따라 작업을 정해야 합니다.
이미지는 스크린샷, 문서 페이지, 사진, 도표를 제공할 수 있습니다. OpenAI의 시각 이해 작업 흐름은 PNG, JPEG, WebP, 애니메이션이 아닌 GIF를 입력받으며 이 계열의 상세 수준은 low, high, auto입니다. 높은 상세 수준은 개발사의 타일 기반 이미지 처리를 따릅니다. 중요한 레이블을 읽기 쉽고 바르게 세운 상태로 유지하고 이미지의 어느 부분을 답변에 활용할지 설명하세요. 세밀한 공간 관계, 정확한 물체 개수, 특이한 이미지 투영, 일부 비라틴 텍스트는 문서화된 어려움입니다. 범위를 좁힌 질문은 시각적 응답을 원래 근거와 비교하기 쉽게 합니다. OpenAI의 문서화된 시각 이해 작업 흐름에서는 요청 전체 페이로드가 512 MB로 제한되고 요청에 최대 1,500개의 이미지를 포함할 수 있습니다. 이미지와 텍스트는 모델 컨텍스트에도 들어가야 합니다.
개발사의 파일 작업 흐름은 시각 이해가 가능한 모델에 PDF에서 추출한 텍스트와 페이지 이미지를 전달합니다. 다른 오피스·텍스트 파일은 추출된 텍스트를 제공하므로, 내장 이미지와 차트가 중요할 때는 PDF 표현이 필요합니다. 스프레드시트 정보 보강에는 시트별 첫 1,000개 행까지를 사용합니다. 각 파일은 50 MB 미만이어야 하며 요청 전체의 합계 한도는 50 MB입니다. Chat Completions는 PDF 파일 파트를 입력받고, 문서화된 Responses 작업 흐름은 더 넓은 파일 형식을 입력받습니다. 추출에 쓰는 자료에서 페이지, 행, 절 식별자를 보존하세요.
스트리밍은 텍스트를 점진적으로 반환합니다. Structured Outputs는 완성된 응답을 지원하는 JSON Schema 부분집합으로 제한하며, JSON 모드 요청은 유효한 JSON만 보장합니다. 필요한 필드와 허용 값을 지정하고 근거가 없을 때의 명시적인 표현도 포함하세요. 애플리케이션은 거부와 미완성 응답을 별도로 처리해야 합니다. 스키마는 산출물을 다음 단계에 적합하게 만들 수 있지만, 값은 빈 필드를 가상의 내용으로 채우지 말고 실제 원본을 반영해야 합니다.
GPT-4o Mini는 함수 호출과 웹 검색, 파일 검색, 코드 실행, MCP 연결을 사용하는 개발사의 도구 중심 작업 흐름을 지원합니다. 사용할 수 있는 함수를 설명하고, 애플리케이션이 요청한 작업을 실행해 관찰 결과를 반환한 뒤 모델이 후속 답변을 작성하게 하세요. OpenAI는 설정된 Responses 작업 흐름의 별도 이미지 생성 도구도 지원합니다. 그 도구가 만든 이미지는 별도의 산출물이며 문서에 명시된 모델 자체의 출력은 텍스트입니다. 검색과 도구 사용은 설정된 활동이지 모든 답변이 최신 정보를 조회했다는 근거가 아닙니다.
Predicted Outputs는 대부분 알려진 문서나 코드 파일을 조금 수정해 다시 생성하는 작업을 지원합니다. 이전 내용과 정확한 편집을 제공하고 산출물을 해당 요청과 비교하세요. 예측 경로는 텍스트만 지원하며 함수 호출과 함께 사용할 수 없습니다. logprobs, max_completion_tokens 및 여러 제어도 제외됩니다. 답변에 새로운 조회나 계산이 필요할 때 일반적인 도구 사용 요청은 다른 경로입니다.
OpenAI는 이 모델의 파인 튜닝을 문서화하고, 더 큰 모델의 출력을 사용해 작은 GPT-4o Mini 모델에 전문 작업을 가르치는 방법을 설명합니다. 이 증류 작업 흐름은 맞춤형 모델을 생성하며 일반적인 Mini 응답의 정체성을 바꾸지 않습니다. 일반 요청에는 명확한 예시로 작업과 출력 형식을 정하고 범위를 좁힌 후속 요청으로 같은 결과를 수정하세요. 유용한 최종 산출물은 원본 사실, 의도한 독자, 이를 사용하는 애플리케이션 단계와 연결되어 있어야 합니다.
", "aboutText": "GPT-4o Mini는 범위를 좁힌 작업을 위한 OpenAI의 소형 GPT-4o 계열 모델입니다. 텍스트와 이미지를 입력받아 Structured Outputs를 포함한 텍스트를 출력합니다. 필드 추출, 제공된 참고 자료에 기반한 답변 작성, 더 큰 과정의 한정된 단계 수행처럼 잘 명시된 요청에 애플리케이션이 간결한 응답을 필요로 할 때 유용합니다.\n\n지원 답변에는 받은 메시지, 관련 정책 발췌, 대화에서 이미 확인된 사실을 제공하세요. 짧은 답변 제안을 요청하고 발신자에게 아직 필요한 정보를 밝힙니다. 문서 추출에는 필드를 정의하고 누락된 값을 처리하는 방법을 설명하며 각 결과를 원본과 연결하는 레이블을 보존하세요. 같은 접근 방식으로 분류, 편집된 구절, 작은 코드 변경의 설명도 만들 수 있으며, 모델을 애플리케이션의 주변 로직을 대신하는 수단으로 취급할 필요는 없습니다.\n\n개발사는 128,000토큰의 컨텍스트 창, 16,384토큰의 최대 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 원본 자료, 대화, 생성된 출력이 함께 이 컨텍스트를 사용합니다. 이전의 중요한 사실을 확인할 수 있게 유지하고 필요한 최종 산출물을 지정하세요. GPT-4o Mini는 별도의 소형 모델이며 전체 GPT-4o의 출력 길이 모드가 아닙니다. 두 모델이 사양을 공유하는 부분에서도 고유한 정체성과 기능에 따라 작업을 정해야 합니다.\n\n이미지는 스크린샷, 문서 페이지, 사진, 도표를 제공할 수 있습니다. OpenAI의 시각 이해 작업 흐름은 PNG, JPEG, WebP, 애니메이션이 아닌 GIF를 입력받으며 이 계열의 상세 수준은 low, high, auto입니다. 높은 상세 수준은 개발사의 타일 기반 이미지 처리를 따릅니다. 중요한 레이블을 읽기 쉽고 바르게 세운 상태로 유지하고 이미지의 어느 부분을 답변에 활용할지 설명하세요. 세밀한 공간 관계, 정확한 물체 개수, 특이한 이미지 투영, 일부 비라틴 텍스트는 문서화된 어려움입니다. 범위를 좁힌 질문은 시각적 응답을 원래 근거와 비교하기 쉽게 합니다. OpenAI의 문서화된 시각 이해 작업 흐름에서는 요청 전체 페이로드가 512 MB로 제한되고 요청에 최대 1,500개의 이미지를 포함할 수 있습니다. 이미지와 텍스트는 모델 컨텍스트에도 들어가야 합니다.\n\n개발사의 파일 작업 흐름은 시각 이해가 가능한 모델에 PDF에서 추출한 텍스트와 페이지 이미지를 전달합니다. 다른 오피스·텍스트 파일은 추출된 텍스트를 제공하므로, 내장 이미지와 차트가 중요할 때는 PDF 표현이 필요합니다. 스프레드시트 정보 보강에는 시트별 첫 1,000개 행까지를 사용합니다. 각 파일은 50 MB 미만이어야 하며 요청 전체의 합계 한도는 50 MB입니다. Chat Completions는 PDF 파일 파트를 입력받고, 문서화된 Responses 작업 흐름은 더 넓은 파일 형식을 입력받습니다. 추출에 쓰는 자료에서 페이지, 행, 절 식별자를 보존하세요.\n\n스트리밍은 텍스트를 점진적으로 반환합니다. Structured Outputs는 완성된 응답을 지원하는 JSON Schema 부분집합으로 제한하며, JSON 모드 요청은 유효한 JSON만 보장합니다. 필요한 필드와 허용 값을 지정하고 근거가 없을 때의 명시적인 표현도 포함하세요. 애플리케이션은 거부와 미완성 응답을 별도로 처리해야 합니다. 스키마는 산출물을 다음 단계에 적합하게 만들 수 있지만, 값은 빈 필드를 가상의 내용으로 채우지 말고 실제 원본을 반영해야 합니다.\n\nGPT-4o Mini는 함수 호출과 웹 검색, 파일 검색, 코드 실행, MCP 연결을 사용하는 개발사의 도구 중심 작업 흐름을 지원합니다. 사용할 수 있는 함수를 설명하고, 애플리케이션이 요청한 작업을 실행해 관찰 결과를 반환한 뒤 모델이 후속 답변을 작성하게 하세요. OpenAI는 설정된 Responses 작업 흐름의 별도 이미지 생성 도구도 지원합니다. 그 도구가 만든 이미지는 별도의 산출물이며 문서에 명시된 모델 자체의 출력은 텍스트입니다. 검색과 도구 사용은 설정된 활동이지 모든 답변이 최신 정보를 조회했다는 근거가 아닙니다.\n\nPredicted Outputs는 대부분 알려진 문서나 코드 파일을 조금 수정해 다시 생성하는 작업을 지원합니다. 이전 내용과 정확한 편집을 제공하고 산출물을 해당 요청과 비교하세요. 예측 경로는 텍스트만 지원하며 함수 호출과 함께 사용할 수 없습니다. logprobs, max_completion_tokens 및 여러 제어도 제외됩니다. 답변에 새로운 조회나 계산이 필요할 때 일반적인 도구 사용 요청은 다른 경로입니다.\n\nOpenAI는 이 모델의 파인 튜닝을 문서화하고, 더 큰 모델의 출력을 사용해 작은 GPT-4o Mini 모델에 전문 작업을 가르치는 방법을 설명합니다. 이 증류 작업 흐름은 맞춤형 모델을 생성하며 일반적인 Mini 응답의 정체성을 바꾸지 않습니다. 일반 요청에는 명확한 예시로 작업과 출력 형식을 정하고 범위를 좁힌 후속 요청으로 같은 결과를 수정하세요. 유용한 최종 산출물은 원본 사실, 의도한 독자, 이를 사용하는 애플리케이션 단계와 연결되어 있어야 합니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "44ff6dd372c13f714780f2fa49044dfdcbee36d262889b88e521df7d31ff43f6", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "openai/gpt-4o-mini:batchGPT-4o Mini는 문서 추출, 간결한 답변, 애플리케이션 도구 호출 등 범위를 좁힌 텍스트·이미지 작업을 처리합니다. 128,000토큰의 컨텍스트와 Structured Outputs는 결과가 명확하게 정의된 반복 작업 흐름을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-4o Mini는 범위를 좁힌 작업을 위한 OpenAI의 소형 GPT-4o 계열 모델입니다. 텍스트와 이미지를 입력받아 Structured Outputs를 포함한 텍스트를 출력합니다. 필드 추출, 제공된 참고 자료에 기반한 답변 작성, 더 큰 과정의 한정된 단계 수행처럼 잘 명시된 요청에 애플리케이션이 간결한 응답을 필요로 할 때 유용합니다.
지원 답변에는 받은 메시지, 관련 정책 발췌, 대화에서 이미 확인된 사실을 제공하세요. 짧은 답변 제안을 요청하고 발신자에게 아직 필요한 정보를 밝힙니다. 문서 추출에는 필드를 정의하고 누락된 값을 처리하는 방법을 설명하며 각 결과를 원본과 연결하는 레이블을 보존하세요. 같은 접근 방식으로 분류, 편집된 구절, 작은 코드 변경의 설명도 만들 수 있으며, 모델을 애플리케이션의 주변 로직을 대신하는 수단으로 취급할 필요는 없습니다.
개발사는 128,000토큰의 컨텍스트 창, 16,384토큰의 최대 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 원본 자료, 대화, 생성된 출력이 함께 이 컨텍스트를 사용합니다. 이전의 중요한 사실을 확인할 수 있게 유지하고 필요한 최종 산출물을 지정하세요. GPT-4o Mini는 별도의 소형 모델이며 전체 GPT-4o의 출력 길이 모드가 아닙니다. 두 모델이 사양을 공유하는 부분에서도 고유한 정체성과 기능에 따라 작업을 정해야 합니다.
이미지는 스크린샷, 문서 페이지, 사진, 도표를 제공할 수 있습니다. OpenAI의 시각 이해 작업 흐름은 PNG, JPEG, WebP, 애니메이션이 아닌 GIF를 입력받으며 이 계열의 상세 수준은 low, high, auto입니다. 높은 상세 수준은 개발사의 타일 기반 이미지 처리를 따릅니다. 중요한 레이블을 읽기 쉽고 바르게 세운 상태로 유지하고 이미지의 어느 부분을 답변에 활용할지 설명하세요. 세밀한 공간 관계, 정확한 물체 개수, 특이한 이미지 투영, 일부 비라틴 텍스트는 문서화된 어려움입니다. 범위를 좁힌 질문은 시각적 응답을 원래 근거와 비교하기 쉽게 합니다. OpenAI의 문서화된 시각 이해 작업 흐름에서는 요청 전체 페이로드가 512 MB로 제한되고 요청에 최대 1,500개의 이미지를 포함할 수 있습니다. 이미지와 텍스트는 모델 컨텍스트에도 들어가야 합니다.
개발사의 파일 작업 흐름은 시각 이해가 가능한 모델에 PDF에서 추출한 텍스트와 페이지 이미지를 전달합니다. 다른 오피스·텍스트 파일은 추출된 텍스트를 제공하므로, 내장 이미지와 차트가 중요할 때는 PDF 표현이 필요합니다. 스프레드시트 정보 보강에는 시트별 첫 1,000개 행까지를 사용합니다. 각 파일은 50 MB 미만이어야 하며 요청 전체의 합계 한도는 50 MB입니다. Chat Completions는 PDF 파일 파트를 입력받고, 문서화된 Responses 작업 흐름은 더 넓은 파일 형식을 입력받습니다. 추출에 쓰는 자료에서 페이지, 행, 절 식별자를 보존하세요.
스트리밍은 텍스트를 점진적으로 반환합니다. Structured Outputs는 완성된 응답을 지원하는 JSON Schema 부분집합으로 제한하며, JSON 모드 요청은 유효한 JSON만 보장합니다. 필요한 필드와 허용 값을 지정하고 근거가 없을 때의 명시적인 표현도 포함하세요. 애플리케이션은 거부와 미완성 응답을 별도로 처리해야 합니다. 스키마는 산출물을 다음 단계에 적합하게 만들 수 있지만, 값은 빈 필드를 가상의 내용으로 채우지 말고 실제 원본을 반영해야 합니다.
GPT-4o Mini는 함수 호출과 웹 검색, 파일 검색, 코드 실행, MCP 연결을 사용하는 개발사의 도구 중심 작업 흐름을 지원합니다. 사용할 수 있는 함수를 설명하고, 애플리케이션이 요청한 작업을 실행해 관찰 결과를 반환한 뒤 모델이 후속 답변을 작성하게 하세요. OpenAI는 설정된 Responses 작업 흐름의 별도 이미지 생성 도구도 지원합니다. 그 도구가 만든 이미지는 별도의 산출물이며 문서에 명시된 모델 자체의 출력은 텍스트입니다. 검색과 도구 사용은 설정된 활동이지 모든 답변이 최신 정보를 조회했다는 근거가 아닙니다.
Predicted Outputs는 대부분 알려진 문서나 코드 파일을 조금 수정해 다시 생성하는 작업을 지원합니다. 이전 내용과 정확한 편집을 제공하고 산출물을 해당 요청과 비교하세요. 예측 경로는 텍스트만 지원하며 함수 호출과 함께 사용할 수 없습니다. logprobs, max_completion_tokens 및 여러 제어도 제외됩니다. 답변에 새로운 조회나 계산이 필요할 때 일반적인 도구 사용 요청은 다른 경로입니다.
OpenAI는 이 모델의 파인 튜닝을 문서화하고, 더 큰 모델의 출력을 사용해 작은 GPT-4o Mini 모델에 전문 작업을 가르치는 방법을 설명합니다. 이 증류 작업 흐름은 맞춤형 모델을 생성하며 일반적인 Mini 응답의 정체성을 바꾸지 않습니다. 일반 요청에는 명확한 예시로 작업과 출력 형식을 정하고 범위를 좁힌 후속 요청으로 같은 결과를 수정하세요. 유용한 최종 산출물은 원본 사실, 의도한 독자, 이를 사용하는 애플리케이션 단계와 연결되어 있어야 합니다.
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-4o-mini: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-4o-mini:batch, openai/gpt-4o-mini | 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 $0.00015 / 1K 토큰 출력 · 출력 토큰 $0.0006 / 1K 토큰 입력 · 캐시 읽기 $0.000075 / 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 $0.00015 / 1K 토큰 출력 · 출력 토큰 $0.0006 / 1K 토큰 입력 · 캐시 읽기 $0.000075 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-4o-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/gpt-4o-mini:batch', 'openai/gpt-4o-mini']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4o-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.\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-4o-mini:batch
위에 표시된 메서드 경로를 사용하세요.