GPT-5.5는 복잡한 전문 작업과 코딩을 위한 OpenAI의 플래그십 추론 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 반환하며, 제공된 프롬프트를 넘어서는 정보나 동작이 필요한 작업에서는 분석과 도구 사용을 결합합니다. OpenAI의 지침은 명확한 결과에서 시작하는 작업을 강조합니다. 필요한 결과, 유지해야 할 제약, 사용할 근거, 작업을 끝내는 조건을 설명하세요.
큰 소프트웨어 변경에서는 관련 저장소 자료, 현재 동작, 원하는 동작, 수용 기준을 제공하세요. 변경할 수 있는 부분과 호환성을 유지해야 하는 부분을 지정하세요. 유용한 요청 결과는 변경 제안, 영향을 받는 동작의 설명, 실제 실행된 검사에서 얻은 근거입니다. 문서가 많은 작업에서는 출처 문서에 레이블을 붙이고 내려야 할 결정을 중심으로 답변을 구성하도록 요청하세요. 각 결론을 제공된 근거와 연결하고, 미해결 질문은 확립된 사실과 구분하세요.
GPT-5.5는 none, low, medium, high, xhigh의 추론 강도를 지원하며 기본값은 medium입니다. OpenAI는 빠르게 응답하는 워크플로에도 계획, 검색, 여러 도구 호출이 필요하다면 none보다 먼저 low를 고려하도록 권장합니다. none은 그런 추론 과정이 필요하지 않은 직접적인 작업에 적합합니다. 강도가 높다고 자동으로 더 좋은 것은 아닙니다. 충돌하는 요구 사항, 제한 없는 도구 접근, 불명확한 중단 규칙은 불필요한 검색과 과도한 사고를 유발할 수 있습니다. 실제 작업에 맞춰 강도를 선택하고, 기대하는 최종 산출물과 완료 기준을 명확히 하세요.
제작사는 컨텍스트 창 1,050,000토큰과 최대 출력 128,000토큰, 지식 기준일 2025년 12월 1일을 명시합니다. 컨텍스트에는 대화, 제공된 자료, 생성된 콘텐츠가 들어갑니다. 최대 출력에 추가되는 별도 허용량이 아닙니다. 내부 추론도 토큰과 출력 용량을 사용합니다. 따라서 큰 자료 집합은 질문을 중심으로 정리하고, 중요한 식별자, 단위, 문서 경계를 유지하며, 추론과 최종 답변을 위한 공간을 충분히 남겨야 합니다.
이미지 처리는 이전 기본값과 다릅니다. OpenAI의 GPT-5.5 지침에서는 이미지 세부 수준 설정이 없거나 auto이면 original 동작을 사용합니다. 이미지가 명시된 10,240,000픽셀 예산과 최대 변 길이 6,000픽셀을 모두 충족하면 크기를 바꾸지 않고 유지합니다. high를 명시적으로 선택하면 명시된 2,500,000픽셀 예산과 최대 변 길이 2,048픽셀을 모두 충족하는 범위 안에서 세부 정보를 유지합니다. low는 한 변이 512픽셀을 넘는 이미지를 더 적극적으로 축소합니다. 이는 이미지 처리 설정이며, 모든 업로드가 허용된다는 보장은 아닙니다. 스크린샷, 도표, 페이지에서는 영역과 질문을 지정하고, 읽을 수 있는 이미지를 제공하며, 제한 없는 묘사 대신 필요한 관찰이나 해석을 요청하세요.
OpenAI는 Responses, Chat Completions, Batch 인터페이스와 스트리밍, Structured Outputs, 함수 호출, 파일 업로드, 이미지 입력, 파일 및 웹 검색, 프롬프트 캐싱을 문서화합니다. 문서화된 도구 모음에는 도구 검색, 이미지 생성, 코드 실행, 호스팅된 shell, patch 작업, 스킬, 컴퓨터 사용, MCP도 포함됩니다. 각 애플리케이션 도구의 목적, 인수, 부수 효과, 반환 정보를 설명하세요. 애플리케이션 함수 호출 요청은 애플리케이션이 해당 작업을 실행하고 실제 결과를 반환해야 합니다. 생성된 동작 제안은 그 동작이 발생했다는 증거가 아닙니다. 모델 자체의 출력 방식은 텍스트이며, 이미지 생성 도구는 별도 산출물을 만들 수 있습니다.
긴 상호작용에서는 중간 작업과 완성된 답변을 구분하는 데 필요한 정보를 유지하세요. OpenAI의 가이드는 commentary 및 final 답변에 대한 assistant의 phase 값을 설명합니다. assistant 항목을 수동으로 재생하는 애플리케이션은 원래 phase 값을 유지해야 하며, 제작사의 이전 응답 메커니즘으로 연결하면 그 상태가 자동으로 보존됩니다. 가시적 답변에서는 원하는 길이, 어조, 구조를 명시하세요. GPT-5.5의 기본 스타일은 간결하고 직접적이며, 텍스트 verbosity의 기본값은 medium입니다. 간결한 결과가 필요하면 필수 근거나 조건을 없애지 않으면서 상세 수준을 낮추도록 요청할 수 있습니다.
유용한 최종 산출물은 변경 설명이 집중된 수정 파일, 이름이 지정된 문서에 근거한 의사결정 메모, 누락된 값이 명확히 표시된 구조화된 추출 결과일 수 있습니다. 최신이어야 하는 사실은 모델의 지식 기준일에 의존하지 말고 제공하며, 중요한 주장은 원본 자료와 비교하세요. 명확한 근거 규칙, 범위가 정해진 도구, 명시적인 중단 조건은 GPT-5.5가 큰 작업을 완료하면서 이해하고 검토할 수 있는 결과를 유지하는 데 도움이 됩니다.
", "aboutText": "GPT-5.5는 복잡한 전문 작업과 코딩을 위한 OpenAI의 플래그십 추론 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 반환하며, 제공된 프롬프트를 넘어서는 정보나 동작이 필요한 작업에서는 분석과 도구 사용을 결합합니다. OpenAI의 지침은 명확한 결과에서 시작하는 작업을 강조합니다. 필요한 결과, 유지해야 할 제약, 사용할 근거, 작업을 끝내는 조건을 설명하세요.\n\n큰 소프트웨어 변경에서는 관련 저장소 자료, 현재 동작, 원하는 동작, 수용 기준을 제공하세요. 변경할 수 있는 부분과 호환성을 유지해야 하는 부분을 지정하세요. 유용한 요청 결과는 변경 제안, 영향을 받는 동작의 설명, 실제 실행된 검사에서 얻은 근거입니다. 문서가 많은 작업에서는 출처 문서에 레이블을 붙이고 내려야 할 결정을 중심으로 답변을 구성하도록 요청하세요. 각 결론을 제공된 근거와 연결하고, 미해결 질문은 확립된 사실과 구분하세요.\n\nGPT-5.5는 none, low, medium, high, xhigh의 추론 강도를 지원하며 기본값은 medium입니다. OpenAI는 빠르게 응답하는 워크플로에도 계획, 검색, 여러 도구 호출이 필요하다면 none보다 먼저 low를 고려하도록 권장합니다. none은 그런 추론 과정이 필요하지 않은 직접적인 작업에 적합합니다. 강도가 높다고 자동으로 더 좋은 것은 아닙니다. 충돌하는 요구 사항, 제한 없는 도구 접근, 불명확한 중단 규칙은 불필요한 검색과 과도한 사고를 유발할 수 있습니다. 실제 작업에 맞춰 강도를 선택하고, 기대하는 최종 산출물과 완료 기준을 명확히 하세요.\n\n제작사는 컨텍스트 창 1,050,000토큰과 최대 출력 128,000토큰, 지식 기준일 2025년 12월 1일을 명시합니다. 컨텍스트에는 대화, 제공된 자료, 생성된 콘텐츠가 들어갑니다. 최대 출력에 추가되는 별도 허용량이 아닙니다. 내부 추론도 토큰과 출력 용량을 사용합니다. 따라서 큰 자료 집합은 질문을 중심으로 정리하고, 중요한 식별자, 단위, 문서 경계를 유지하며, 추론과 최종 답변을 위한 공간을 충분히 남겨야 합니다.\n\n이미지 처리는 이전 기본값과 다릅니다. OpenAI의 GPT-5.5 지침에서는 이미지 세부 수준 설정이 없거나 auto이면 original 동작을 사용합니다. 이미지가 명시된 10,240,000픽셀 예산과 최대 변 길이 6,000픽셀을 모두 충족하면 크기를 바꾸지 않고 유지합니다. high를 명시적으로 선택하면 명시된 2,500,000픽셀 예산과 최대 변 길이 2,048픽셀을 모두 충족하는 범위 안에서 세부 정보를 유지합니다. low는 한 변이 512픽셀을 넘는 이미지를 더 적극적으로 축소합니다. 이는 이미지 처리 설정이며, 모든 업로드가 허용된다는 보장은 아닙니다. 스크린샷, 도표, 페이지에서는 영역과 질문을 지정하고, 읽을 수 있는 이미지를 제공하며, 제한 없는 묘사 대신 필요한 관찰이나 해석을 요청하세요.\n\nOpenAI는 Responses, Chat Completions, Batch 인터페이스와 스트리밍, Structured Outputs, 함수 호출, 파일 업로드, 이미지 입력, 파일 및 웹 검색, 프롬프트 캐싱을 문서화합니다. 문서화된 도구 모음에는 도구 검색, 이미지 생성, 코드 실행, 호스팅된 shell, patch 작업, 스킬, 컴퓨터 사용, MCP도 포함됩니다. 각 애플리케이션 도구의 목적, 인수, 부수 효과, 반환 정보를 설명하세요. 애플리케이션 함수 호출 요청은 애플리케이션이 해당 작업을 실행하고 실제 결과를 반환해야 합니다. 생성된 동작 제안은 그 동작이 발생했다는 증거가 아닙니다. 모델 자체의 출력 방식은 텍스트이며, 이미지 생성 도구는 별도 산출물을 만들 수 있습니다.\n\n긴 상호작용에서는 중간 작업과 완성된 답변을 구분하는 데 필요한 정보를 유지하세요. OpenAI의 가이드는 commentary 및 final 답변에 대한 assistant의 phase 값을 설명합니다. assistant 항목을 수동으로 재생하는 애플리케이션은 원래 phase 값을 유지해야 하며, 제작사의 이전 응답 메커니즘으로 연결하면 그 상태가 자동으로 보존됩니다. 가시적 답변에서는 원하는 길이, 어조, 구조를 명시하세요. GPT-5.5의 기본 스타일은 간결하고 직접적이며, 텍스트 verbosity의 기본값은 medium입니다. 간결한 결과가 필요하면 필수 근거나 조건을 없애지 않으면서 상세 수준을 낮추도록 요청할 수 있습니다.\n\n유용한 최종 산출물은 변경 설명이 집중된 수정 파일, 이름이 지정된 문서에 근거한 의사결정 메모, 누락된 값이 명확히 표시된 구조화된 추출 결과일 수 있습니다. 최신이어야 하는 사실은 모델의 지식 기준일에 의존하지 말고 제공하며, 중요한 주장은 원본 자료와 비교하세요. 명확한 근거 규칙, 범위가 정해진 도구, 명시적인 중단 조건은 GPT-5.5가 큰 작업을 완료하면서 이해하고 검토할 수 있는 결과를 유지하는 데 도움이 됩니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "bcb1f1cd0bcf6eed7c2d21378466da9331acef7bc002abe423c7806d77f884dc", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "openai/gpt-5.5:batchOpenAI의 GPT-5.5는 텍스트와 이미지 입력, 설정 가능한 추론, 폭넓은 도구 모음으로 복잡한 전문 작업과 코딩을 처리합니다. 큰 컨텍스트를 통해 방대한 원본 자료를 다루고, 작업에 맞는 명확한 텍스트 결과를 반환할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-5.5는 복잡한 전문 작업과 코딩을 위한 OpenAI의 플래그십 추론 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 반환하며, 제공된 프롬프트를 넘어서는 정보나 동작이 필요한 작업에서는 분석과 도구 사용을 결합합니다. OpenAI의 지침은 명확한 결과에서 시작하는 작업을 강조합니다. 필요한 결과, 유지해야 할 제약, 사용할 근거, 작업을 끝내는 조건을 설명하세요.
큰 소프트웨어 변경에서는 관련 저장소 자료, 현재 동작, 원하는 동작, 수용 기준을 제공하세요. 변경할 수 있는 부분과 호환성을 유지해야 하는 부분을 지정하세요. 유용한 요청 결과는 변경 제안, 영향을 받는 동작의 설명, 실제 실행된 검사에서 얻은 근거입니다. 문서가 많은 작업에서는 출처 문서에 레이블을 붙이고 내려야 할 결정을 중심으로 답변을 구성하도록 요청하세요. 각 결론을 제공된 근거와 연결하고, 미해결 질문은 확립된 사실과 구분하세요.
GPT-5.5는 none, low, medium, high, xhigh의 추론 강도를 지원하며 기본값은 medium입니다. OpenAI는 빠르게 응답하는 워크플로에도 계획, 검색, 여러 도구 호출이 필요하다면 none보다 먼저 low를 고려하도록 권장합니다. none은 그런 추론 과정이 필요하지 않은 직접적인 작업에 적합합니다. 강도가 높다고 자동으로 더 좋은 것은 아닙니다. 충돌하는 요구 사항, 제한 없는 도구 접근, 불명확한 중단 규칙은 불필요한 검색과 과도한 사고를 유발할 수 있습니다. 실제 작업에 맞춰 강도를 선택하고, 기대하는 최종 산출물과 완료 기준을 명확히 하세요.
제작사는 컨텍스트 창 1,050,000토큰과 최대 출력 128,000토큰, 지식 기준일 2025년 12월 1일을 명시합니다. 컨텍스트에는 대화, 제공된 자료, 생성된 콘텐츠가 들어갑니다. 최대 출력에 추가되는 별도 허용량이 아닙니다. 내부 추론도 토큰과 출력 용량을 사용합니다. 따라서 큰 자료 집합은 질문을 중심으로 정리하고, 중요한 식별자, 단위, 문서 경계를 유지하며, 추론과 최종 답변을 위한 공간을 충분히 남겨야 합니다.
이미지 처리는 이전 기본값과 다릅니다. OpenAI의 GPT-5.5 지침에서는 이미지 세부 수준 설정이 없거나 auto이면 original 동작을 사용합니다. 이미지가 명시된 10,240,000픽셀 예산과 최대 변 길이 6,000픽셀을 모두 충족하면 크기를 바꾸지 않고 유지합니다. high를 명시적으로 선택하면 명시된 2,500,000픽셀 예산과 최대 변 길이 2,048픽셀을 모두 충족하는 범위 안에서 세부 정보를 유지합니다. low는 한 변이 512픽셀을 넘는 이미지를 더 적극적으로 축소합니다. 이는 이미지 처리 설정이며, 모든 업로드가 허용된다는 보장은 아닙니다. 스크린샷, 도표, 페이지에서는 영역과 질문을 지정하고, 읽을 수 있는 이미지를 제공하며, 제한 없는 묘사 대신 필요한 관찰이나 해석을 요청하세요.
OpenAI는 Responses, Chat Completions, Batch 인터페이스와 스트리밍, Structured Outputs, 함수 호출, 파일 업로드, 이미지 입력, 파일 및 웹 검색, 프롬프트 캐싱을 문서화합니다. 문서화된 도구 모음에는 도구 검색, 이미지 생성, 코드 실행, 호스팅된 shell, patch 작업, 스킬, 컴퓨터 사용, MCP도 포함됩니다. 각 애플리케이션 도구의 목적, 인수, 부수 효과, 반환 정보를 설명하세요. 애플리케이션 함수 호출 요청은 애플리케이션이 해당 작업을 실행하고 실제 결과를 반환해야 합니다. 생성된 동작 제안은 그 동작이 발생했다는 증거가 아닙니다. 모델 자체의 출력 방식은 텍스트이며, 이미지 생성 도구는 별도 산출물을 만들 수 있습니다.
긴 상호작용에서는 중간 작업과 완성된 답변을 구분하는 데 필요한 정보를 유지하세요. OpenAI의 가이드는 commentary 및 final 답변에 대한 assistant의 phase 값을 설명합니다. assistant 항목을 수동으로 재생하는 애플리케이션은 원래 phase 값을 유지해야 하며, 제작사의 이전 응답 메커니즘으로 연결하면 그 상태가 자동으로 보존됩니다. 가시적 답변에서는 원하는 길이, 어조, 구조를 명시하세요. GPT-5.5의 기본 스타일은 간결하고 직접적이며, 텍스트 verbosity의 기본값은 medium입니다. 간결한 결과가 필요하면 필수 근거나 조건을 없애지 않으면서 상세 수준을 낮추도록 요청할 수 있습니다.
유용한 최종 산출물은 변경 설명이 집중된 수정 파일, 이름이 지정된 문서에 근거한 의사결정 메모, 누락된 값이 명확히 표시된 구조화된 추출 결과일 수 있습니다. 최신이어야 하는 사실은 모델의 지식 기준일에 의존하지 말고 제공하며, 중요한 주장은 원본 자료와 비교하세요. 명확한 근거 규칙, 범위가 정해진 도구, 명시적인 중단 조건은 GPT-5.5가 큰 작업을 완료하면서 이해하고 검토할 수 있는 결과를 유지하는 데 도움이 됩니다.
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-5.5: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-5.5:batch, openai/gpt-5.5 | 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 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.03 / 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 기준272,000 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.01 / 1K 토큰 출력 · 출력 토큰 $0.045 / 1K 토큰 입력 · 캐시 읽기 $0.001 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-5.5: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-5.5:batch', 'openai/gpt-5.5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.5: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-5.5:batch
위에 표시된 메서드 경로를 사용하세요.