GPT-4o는 텍스트와 이미지 이해, 글쓰기, 애플리케이션 작업을 위한 OpenAI의 다목적 GPT 모델입니다. “o”는 “omni”를 뜻하며, 문서화된 이 모델은 텍스트와 이미지를 입력받아 Structured Outputs를 포함한 텍스트를 반환합니다. 실용적인 요청은 글로 된 작업 지시서에 사진, 스크린샷, 문서 페이지를 결합하고, 명확한 설명이나 편집된 산출물, 애플리케이션의 다음 단계에 사용할 정의된 필드를 요구할 수 있습니다.
보고서에는 원본 문서와 보고서가 뒷받침해야 할 판단을 제공하세요. 관련 날짜, 단위, 근거 레이블을 지정한 뒤 관찰, 가정, 부족한 정보를 구분하는 비교를 요청합니다. 시각 작업에서는 중요한 물체, 차트, 인터페이스 상태를 가리키고 주변 맥락을 포함하세요. 코드 변경에는 영향을 받는 코드, 원하는 동작, 유지해야 할 제약을 제공합니다. 이는 프롬프트가 작업 전체를 암시하리라 기대하지 않고 모델의 텍스트·이미지 기능을 구체적으로 사용하는 방법입니다.
OpenAI의 현재 GPT-4o 프로필에는 128,000토큰의 컨텍스트 창, 16,384토큰의 최대 출력, 2023년 10월 1일의 지식 기준일이 명시되어 있습니다. 개발사는 날짜가 지정된 여러 GPT-4o 스냅샷을 별도로 나열합니다. 대화, 입력 자료, 생성된 답변은 컨텍스트 예산을 공유하므로 방대한 문서 모음도 정리하고 최종 산출물에 필요한 여유를 남겨야 합니다. 바뀌는 사실이나 비공개 시스템의 사실은 직접 제공하거나 명시적으로 설정한 도구를 통해 가져와야 합니다.
시각 이해 가이드에서는 PNG, JPEG, WebP, 애니메이션이 아닌 GIF를 입력받습니다. GPT-4o는 이미지 상세 수준으로 low, high, auto를 지원하며, high와 auto는 타일 기반 처리를 따릅니다. 차트를 해석할 때는 작은 레이블을 확대하고 텍스트를 바르게 세우며 범례나 주변 도표를 유지하세요. 문서화된 한계에는 정밀한 공간 위치 파악, 대략적인 물체 개수 파악, 일부 비라틴 문자, 파노라마나 어안 시점이 포함됩니다. 모델이 이미지를 잘못 설명할 수도 있으므로 원본을 보관하고 해석을 뒷받침하는 구체적인 관찰을 요청하세요. OpenAI의 문서화된 시각 이해 작업 흐름에서는 요청 전체 페이로드가 512 MB로 제한되며 요청에 최대 1,500개의 이미지를 포함할 수 있습니다. 이미지와 텍스트는 모델의 컨텍스트에도 들어가야 합니다.
OpenAI의 파일 입력 작업 흐름은 시각 이해가 가능한 모델에 PDF에서 추출한 텍스트와 페이지 이미지를 모두 제공합니다. PDF가 아닌 오피스 문서는 내장 차트 대신 추출된 텍스트를 제공하며, 스프레드시트에는 시트별 첫 1,000개 행까지를 활용한 정보가 보강됩니다. 각 파일은 50 MB 미만이어야 하고 요청 전체의 합계는 50 MB입니다. Chat Completions는 PDF 파일 파트를 지원하며, 문서화된 Responses 작업 흐름은 추가 파일 형식을 입력받습니다. 시각적 충실도가 중요하면 PDF 표현을 선택하고 결과에서 원본 식별자를 확인할 수 있게 하세요.
스트리밍은 응답이 생성되는 동안 이를 반환할 수 있습니다. Structured Outputs는 완성된 응답을 JSON Schema에서 지원하는 부분집합으로 제한하므로, 문서 추출이나 정의된 필드가 있는 애플리케이션 객체에 유용합니다. JSON 모드는 JSON 유효성만 다룹니다. 기대하는 자료형, 허용 값, 근거가 없을 때의 처리를 정의한 뒤 명시적인 거부나 미완성 응답은 별도로 처리하세요. 스키마는 값이 사실인지 증명하지 않으므로 요청한 필드를 제공된 자료까지 추적할 수 있어야 합니다.
개발사는 함수 호출, 웹 검색, 파일 검색, 코드 실행, MCP 연결을 지원합니다. 사용자 정의 함수에는 의미 있는 설명과 인자 스키마가 필요하며, 애플리케이션이 요청된 동작을 실행하고 다음 모델 단계에 결과를 반환합니다. GPT-4o는 설정된 Responses 작업 흐름에서 별도의 이미지 생성 도구를 지시할 수도 있습니다. 도구가 만든 이미지는 별도의 산출물이며, 문서에 명시된 GPT-4o 자체의 응답은 텍스트입니다. 에이전트의 최종 설명은 제안한 도구 호출을 완료된 작업으로 취급하지 말고, 실제로 조회하거나 계산한 관찰을 사용해야 합니다.
Predicted Outputs는 대부분 알려진 텍스트나 코드를 조금 수정해 다시 생성할 때 GPT-4o에서 사용할 수 있습니다. 기존 내용과 정확한 수정을 제공하고 반환된 산출물을 확인하세요. 이 텍스트 전용 경로는 함수 호출과 함께 사용할 수 없으며, logprobs, max_completion_tokens를 비롯한 여러 제어도 제외합니다. 외부 작업에서 얻는 새 정보에 답변이 의존한다면 도구 기반 요청은 별도로 선택할 수 있는 경로입니다.
OpenAI는 GPT-4o의 파인 튜닝을 문서화하며, 최적화 가이드는 이미지 예시를 사용하는 시각 이해 파인 튜닝에 2024년 8월 6일 스냅샷을 명시적으로 지정합니다. 이 스냅샷에 고유한 맞춤화 작업 흐름은 모델 별칭에 보내는 일반 요청과 구분됩니다. 일상적인 글쓰기, 분석, 추출에는 유용한 작업 지시서와 원하는 출력의 예시로 시작하세요. 후속 요청에서는 작업의 근거와 제약을 유지하면서 부족한 사실 하나를 해결하거나 필드를 수정하거나 같은 산출물을 다듬을 수 있습니다.
", "aboutText": "GPT-4o는 텍스트와 이미지 이해, 글쓰기, 애플리케이션 작업을 위한 OpenAI의 다목적 GPT 모델입니다. “o”는 “omni”를 뜻하며, 문서화된 이 모델은 텍스트와 이미지를 입력받아 Structured Outputs를 포함한 텍스트를 반환합니다. 실용적인 요청은 글로 된 작업 지시서에 사진, 스크린샷, 문서 페이지를 결합하고, 명확한 설명이나 편집된 산출물, 애플리케이션의 다음 단계에 사용할 정의된 필드를 요구할 수 있습니다.\n\n보고서에는 원본 문서와 보고서가 뒷받침해야 할 판단을 제공하세요. 관련 날짜, 단위, 근거 레이블을 지정한 뒤 관찰, 가정, 부족한 정보를 구분하는 비교를 요청합니다. 시각 작업에서는 중요한 물체, 차트, 인터페이스 상태를 가리키고 주변 맥락을 포함하세요. 코드 변경에는 영향을 받는 코드, 원하는 동작, 유지해야 할 제약을 제공합니다. 이는 프롬프트가 작업 전체를 암시하리라 기대하지 않고 모델의 텍스트·이미지 기능을 구체적으로 사용하는 방법입니다.\n\nOpenAI의 현재 GPT-4o 프로필에는 128,000토큰의 컨텍스트 창, 16,384토큰의 최대 출력, 2023년 10월 1일의 지식 기준일이 명시되어 있습니다. 개발사는 날짜가 지정된 여러 GPT-4o 스냅샷을 별도로 나열합니다. 대화, 입력 자료, 생성된 답변은 컨텍스트 예산을 공유하므로 방대한 문서 모음도 정리하고 최종 산출물에 필요한 여유를 남겨야 합니다. 바뀌는 사실이나 비공개 시스템의 사실은 직접 제공하거나 명시적으로 설정한 도구를 통해 가져와야 합니다.\n\n시각 이해 가이드에서는 PNG, JPEG, WebP, 애니메이션이 아닌 GIF를 입력받습니다. GPT-4o는 이미지 상세 수준으로 low, high, auto를 지원하며, high와 auto는 타일 기반 처리를 따릅니다. 차트를 해석할 때는 작은 레이블을 확대하고 텍스트를 바르게 세우며 범례나 주변 도표를 유지하세요. 문서화된 한계에는 정밀한 공간 위치 파악, 대략적인 물체 개수 파악, 일부 비라틴 문자, 파노라마나 어안 시점이 포함됩니다. 모델이 이미지를 잘못 설명할 수도 있으므로 원본을 보관하고 해석을 뒷받침하는 구체적인 관찰을 요청하세요. OpenAI의 문서화된 시각 이해 작업 흐름에서는 요청 전체 페이로드가 512 MB로 제한되며 요청에 최대 1,500개의 이미지를 포함할 수 있습니다. 이미지와 텍스트는 모델의 컨텍스트에도 들어가야 합니다.\n\nOpenAI의 파일 입력 작업 흐름은 시각 이해가 가능한 모델에 PDF에서 추출한 텍스트와 페이지 이미지를 모두 제공합니다. PDF가 아닌 오피스 문서는 내장 차트 대신 추출된 텍스트를 제공하며, 스프레드시트에는 시트별 첫 1,000개 행까지를 활용한 정보가 보강됩니다. 각 파일은 50 MB 미만이어야 하고 요청 전체의 합계는 50 MB입니다. Chat Completions는 PDF 파일 파트를 지원하며, 문서화된 Responses 작업 흐름은 추가 파일 형식을 입력받습니다. 시각적 충실도가 중요하면 PDF 표현을 선택하고 결과에서 원본 식별자를 확인할 수 있게 하세요.\n\n스트리밍은 응답이 생성되는 동안 이를 반환할 수 있습니다. Structured Outputs는 완성된 응답을 JSON Schema에서 지원하는 부분집합으로 제한하므로, 문서 추출이나 정의된 필드가 있는 애플리케이션 객체에 유용합니다. JSON 모드는 JSON 유효성만 다룹니다. 기대하는 자료형, 허용 값, 근거가 없을 때의 처리를 정의한 뒤 명시적인 거부나 미완성 응답은 별도로 처리하세요. 스키마는 값이 사실인지 증명하지 않으므로 요청한 필드를 제공된 자료까지 추적할 수 있어야 합니다.\n\n개발사는 함수 호출, 웹 검색, 파일 검색, 코드 실행, MCP 연결을 지원합니다. 사용자 정의 함수에는 의미 있는 설명과 인자 스키마가 필요하며, 애플리케이션이 요청된 동작을 실행하고 다음 모델 단계에 결과를 반환합니다. GPT-4o는 설정된 Responses 작업 흐름에서 별도의 이미지 생성 도구를 지시할 수도 있습니다. 도구가 만든 이미지는 별도의 산출물이며, 문서에 명시된 GPT-4o 자체의 응답은 텍스트입니다. 에이전트의 최종 설명은 제안한 도구 호출을 완료된 작업으로 취급하지 말고, 실제로 조회하거나 계산한 관찰을 사용해야 합니다.\n\nPredicted Outputs는 대부분 알려진 텍스트나 코드를 조금 수정해 다시 생성할 때 GPT-4o에서 사용할 수 있습니다. 기존 내용과 정확한 수정을 제공하고 반환된 산출물을 확인하세요. 이 텍스트 전용 경로는 함수 호출과 함께 사용할 수 없으며, logprobs, max_completion_tokens를 비롯한 여러 제어도 제외합니다. 외부 작업에서 얻는 새 정보에 답변이 의존한다면 도구 기반 요청은 별도로 선택할 수 있는 경로입니다.\n\nOpenAI는 GPT-4o의 파인 튜닝을 문서화하며, 최적화 가이드는 이미지 예시를 사용하는 시각 이해 파인 튜닝에 2024년 8월 6일 스냅샷을 명시적으로 지정합니다. 이 스냅샷에 고유한 맞춤화 작업 흐름은 모델 별칭에 보내는 일반 요청과 구분됩니다. 일상적인 글쓰기, 분석, 추출에는 유용한 작업 지시서와 원하는 출력의 예시로 시작하세요. 후속 요청에서는 작업의 근거와 제약을 유지하면서 부족한 사실 하나를 해결하거나 필드를 수정하거나 같은 산출물을 다듬을 수 있습니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c6e0d7fe27c11fe9e62df5ca4ca95f0f8fed8b8e8e415117cf8b5b715ae04fdc", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "openai/gpt-4o:batchGPT-4o는 텍스트·이미지 이해를 글쓰기, 코딩, Structured Outputs, 애플리케이션 도구와 결합합니다. 근거에 기반한 응답을 작성하거나 시각 자료를 해석하거나 방대한 원본 자료에서 정의된 필드를 반환하는 데 사용하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-4o는 텍스트와 이미지 이해, 글쓰기, 애플리케이션 작업을 위한 OpenAI의 다목적 GPT 모델입니다. “o”는 “omni”를 뜻하며, 문서화된 이 모델은 텍스트와 이미지를 입력받아 Structured Outputs를 포함한 텍스트를 반환합니다. 실용적인 요청은 글로 된 작업 지시서에 사진, 스크린샷, 문서 페이지를 결합하고, 명확한 설명이나 편집된 산출물, 애플리케이션의 다음 단계에 사용할 정의된 필드를 요구할 수 있습니다.
보고서에는 원본 문서와 보고서가 뒷받침해야 할 판단을 제공하세요. 관련 날짜, 단위, 근거 레이블을 지정한 뒤 관찰, 가정, 부족한 정보를 구분하는 비교를 요청합니다. 시각 작업에서는 중요한 물체, 차트, 인터페이스 상태를 가리키고 주변 맥락을 포함하세요. 코드 변경에는 영향을 받는 코드, 원하는 동작, 유지해야 할 제약을 제공합니다. 이는 프롬프트가 작업 전체를 암시하리라 기대하지 않고 모델의 텍스트·이미지 기능을 구체적으로 사용하는 방법입니다.
OpenAI의 현재 GPT-4o 프로필에는 128,000토큰의 컨텍스트 창, 16,384토큰의 최대 출력, 2023년 10월 1일의 지식 기준일이 명시되어 있습니다. 개발사는 날짜가 지정된 여러 GPT-4o 스냅샷을 별도로 나열합니다. 대화, 입력 자료, 생성된 답변은 컨텍스트 예산을 공유하므로 방대한 문서 모음도 정리하고 최종 산출물에 필요한 여유를 남겨야 합니다. 바뀌는 사실이나 비공개 시스템의 사실은 직접 제공하거나 명시적으로 설정한 도구를 통해 가져와야 합니다.
시각 이해 가이드에서는 PNG, JPEG, WebP, 애니메이션이 아닌 GIF를 입력받습니다. GPT-4o는 이미지 상세 수준으로 low, high, auto를 지원하며, high와 auto는 타일 기반 처리를 따릅니다. 차트를 해석할 때는 작은 레이블을 확대하고 텍스트를 바르게 세우며 범례나 주변 도표를 유지하세요. 문서화된 한계에는 정밀한 공간 위치 파악, 대략적인 물체 개수 파악, 일부 비라틴 문자, 파노라마나 어안 시점이 포함됩니다. 모델이 이미지를 잘못 설명할 수도 있으므로 원본을 보관하고 해석을 뒷받침하는 구체적인 관찰을 요청하세요. OpenAI의 문서화된 시각 이해 작업 흐름에서는 요청 전체 페이로드가 512 MB로 제한되며 요청에 최대 1,500개의 이미지를 포함할 수 있습니다. 이미지와 텍스트는 모델의 컨텍스트에도 들어가야 합니다.
OpenAI의 파일 입력 작업 흐름은 시각 이해가 가능한 모델에 PDF에서 추출한 텍스트와 페이지 이미지를 모두 제공합니다. PDF가 아닌 오피스 문서는 내장 차트 대신 추출된 텍스트를 제공하며, 스프레드시트에는 시트별 첫 1,000개 행까지를 활용한 정보가 보강됩니다. 각 파일은 50 MB 미만이어야 하고 요청 전체의 합계는 50 MB입니다. Chat Completions는 PDF 파일 파트를 지원하며, 문서화된 Responses 작업 흐름은 추가 파일 형식을 입력받습니다. 시각적 충실도가 중요하면 PDF 표현을 선택하고 결과에서 원본 식별자를 확인할 수 있게 하세요.
스트리밍은 응답이 생성되는 동안 이를 반환할 수 있습니다. Structured Outputs는 완성된 응답을 JSON Schema에서 지원하는 부분집합으로 제한하므로, 문서 추출이나 정의된 필드가 있는 애플리케이션 객체에 유용합니다. JSON 모드는 JSON 유효성만 다룹니다. 기대하는 자료형, 허용 값, 근거가 없을 때의 처리를 정의한 뒤 명시적인 거부나 미완성 응답은 별도로 처리하세요. 스키마는 값이 사실인지 증명하지 않으므로 요청한 필드를 제공된 자료까지 추적할 수 있어야 합니다.
개발사는 함수 호출, 웹 검색, 파일 검색, 코드 실행, MCP 연결을 지원합니다. 사용자 정의 함수에는 의미 있는 설명과 인자 스키마가 필요하며, 애플리케이션이 요청된 동작을 실행하고 다음 모델 단계에 결과를 반환합니다. GPT-4o는 설정된 Responses 작업 흐름에서 별도의 이미지 생성 도구를 지시할 수도 있습니다. 도구가 만든 이미지는 별도의 산출물이며, 문서에 명시된 GPT-4o 자체의 응답은 텍스트입니다. 에이전트의 최종 설명은 제안한 도구 호출을 완료된 작업으로 취급하지 말고, 실제로 조회하거나 계산한 관찰을 사용해야 합니다.
Predicted Outputs는 대부분 알려진 텍스트나 코드를 조금 수정해 다시 생성할 때 GPT-4o에서 사용할 수 있습니다. 기존 내용과 정확한 수정을 제공하고 반환된 산출물을 확인하세요. 이 텍스트 전용 경로는 함수 호출과 함께 사용할 수 없으며, logprobs, max_completion_tokens를 비롯한 여러 제어도 제외합니다. 외부 작업에서 얻는 새 정보에 답변이 의존한다면 도구 기반 요청은 별도로 선택할 수 있는 경로입니다.
OpenAI는 GPT-4o의 파인 튜닝을 문서화하며, 최적화 가이드는 이미지 예시를 사용하는 시각 이해 파인 튜닝에 2024년 8월 6일 스냅샷을 명시적으로 지정합니다. 이 스냅샷에 고유한 맞춤화 작업 흐름은 모델 별칭에 보내는 일반 요청과 구분됩니다. 일상적인 글쓰기, 분석, 추출에는 유용한 작업 지시서와 원하는 출력의 예시로 시작하세요. 후속 요청에서는 작업의 근거와 제약을 유지하면서 부족한 사실 하나를 해결하거나 필드를 수정하거나 같은 산출물을 다듬을 수 있습니다.
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: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:batch, openai/gpt-4o | 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 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.01 / 1K 토큰 입력 · 캐시 읽기 $0.00125 / 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 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.01 / 1K 토큰 입력 · 캐시 읽기 $0.00125 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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: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:batch', 'openai/gpt-4o']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4o: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:batch
위에 표시된 메서드 경로를 사용하세요.