GPT-6 Sol은 복잡한 코딩과 에이전트 워크플로를 위한 OpenAI의 추론 모델입니다. 텍스트와 이미지를 처리하고 설명, 구현, 구조화된 레코드, 도구 작업 제안 등의 텍스트를 반환합니다. GPT-6 Sol이라는 에디션은 더 새로운 GPT-6.1 Sol 및 Sol의 Pro 실행 모드와 구별됩니다. 에디션별 결과를 비교할 때는 해당 모델의 제어 설정과 지식 프로필을 유지해야 합니다.
관련 구현, 관찰된 동작, 기대하는 동작, 변경 후에도 유지해야 할 조건을 제공하세요. 최종 산출물과 완료를 확인하는 데 필요한 관찰 결과를 지정하세요. 예를 들어 “이 입력이 실패하는 원인을 찾고, 가장 작은 수정안을 제안한 뒤, 변경된 함수와 그 함수가 처리하는 조건에 대한 출처 기반 설명을 반환하세요”라고 요청할 수 있습니다.
여러 파일을 다루는 작업에서는 영향을 받는 모듈과 그 사이의 인터페이스를 명시하세요. 시각적 인터페이스라면 코드와 동작 요구 사항에 읽을 수 있는 스크린샷이나 목업을 함께 제공하고, 구현할 가시적 상태를 지정하세요. 생성된 코드는 의도한 애플리케이션에서 실행되기 전까지는 제안된 산출물입니다. 실제 오류나 렌더링된 상태가 다음 수정의 근거가 됩니다.
제작사는 none, low, medium, high, xhigh, max의 추론 강도를 지원하며 기본값은 medium입니다. 강도는 추론의 양을 선택합니다. 표준 모드와 Pro 모드는 별도의 실행 선택입니다. 단순한 작업에는 none을 사용할 수 있으며, 더 복잡한 디버깅이나 계획에는 신중한 분석이 도움이 됩니다. 필요한 최종 답변은 중간 처리 과정과 별도로 정의하세요.
출처 기반 분석 작업에서는 결정, 비교 기준, 신뢰할 수 있는 자료를 명시해야 합니다. 각 결론을 제공된 구절과 연결하고 부족한 정보를 밝히도록 요청하세요. 그러면 모델이 여러 도구 단계를 선택하더라도 목표를 명확하게 유지할 수 있습니다.
공개된 프로필은 컨텍스트 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰을 명시하며 지식 기준일은 2026년 4월 20일입니다. 추론은 응답 예산과 컨텍스트의 일부를 사용합니다. 분석, 도구 관찰 결과, 최종 결과를 위한 공간을 남기고, 불완전한 응답은 작업이 끝났다고 보기 전에 검토하세요.
내장 도구와 함수 호출에는 문서화된 Responses 워크플로를 사용하세요. OpenAI의 Chat Completions 프로필은 추론 강도가 none일 때 함수 호출을 지원합니다. 모델 카드에는 스트리밍과 Structured Outputs, 웹 검색, 파일 검색, 이미지 생성, 코드 실행, shell 작업, 패치 적용, 스킬, 컴퓨터 사용, MCP 연결, 도구 탐색이 명시되어 있습니다. 모델은 텍스트를 반환하며, 실행된 작업이나 생성된 이미지는 해당 도구 결과에 속합니다.
주변 애플리케이션이 작업을 정의하고 실행한 뒤 관찰 결과를 반환합니다. 실제 결과는 호출 식별자 및 출처와 함께 보관하세요. GPT-6 제품군 가이드는 비동기 도구 작업, 진행 중인 턴의 방향 조정, 유지되는 추론, 긴 작업을 위한 대화 압축도 설명합니다.
유용한 인계 자료에는 구현이나 결론, 이를 뒷받침하는 근거, 아직 해결되지 않은 조건이 포함됩니다. 출처에서 얻은 값과 생성된 코드를 요구 사항에 대조하세요. 계획이나 검증 명령 제안을 실행된 작업의 증거로 취급하지 말고, 명시한 산출물과 완료 기준을 충족했을 때 작업을 마쳐야 합니다.
", "aboutText": "GPT-6 Sol은 복잡한 코딩과 에이전트 워크플로를 위한 OpenAI의 추론 모델입니다. 텍스트와 이미지를 처리하고 설명, 구현, 구조화된 레코드, 도구 작업 제안 등의 텍스트를 반환합니다. GPT-6 Sol이라는 에디션은 더 새로운 GPT-6.1 Sol 및 Sol의 Pro 실행 모드와 구별됩니다. 에디션별 결과를 비교할 때는 해당 모델의 제어 설정과 지식 프로필을 유지해야 합니다.\n\n### 구체적인 작업 지침에 따른 코딩\n\n관련 구현, 관찰된 동작, 기대하는 동작, 변경 후에도 유지해야 할 조건을 제공하세요. 최종 산출물과 완료를 확인하는 데 필요한 관찰 결과를 지정하세요. 예를 들어 “이 입력이 실패하는 원인을 찾고, 가장 작은 수정안을 제안한 뒤, 변경된 함수와 그 함수가 처리하는 조건에 대한 출처 기반 설명을 반환하세요”라고 요청할 수 있습니다.\n\n여러 파일을 다루는 작업에서는 영향을 받는 모듈과 그 사이의 인터페이스를 명시하세요. 시각적 인터페이스라면 코드와 동작 요구 사항에 읽을 수 있는 스크린샷이나 목업을 함께 제공하고, 구현할 가시적 상태를 지정하세요. 생성된 코드는 의도한 애플리케이션에서 실행되기 전까지는 제안된 산출물입니다. 실제 오류나 렌더링된 상태가 다음 수정의 근거가 됩니다.\n\n### 추론과 작업의 깊이\n\n제작사는 none, low, medium, high, xhigh, max의 추론 강도를 지원하며 기본값은 medium입니다. 강도는 추론의 양을 선택합니다. 표준 모드와 Pro 모드는 별도의 실행 선택입니다. 단순한 작업에는 none을 사용할 수 있으며, 더 복잡한 디버깅이나 계획에는 신중한 분석이 도움이 됩니다. 필요한 최종 답변은 중간 처리 과정과 별도로 정의하세요.\n\n출처 기반 분석 작업에서는 결정, 비교 기준, 신뢰할 수 있는 자료를 명시해야 합니다. 각 결론을 제공된 구절과 연결하고 부족한 정보를 밝히도록 요청하세요. 그러면 모델이 여러 도구 단계를 선택하더라도 목표를 명확하게 유지할 수 있습니다.\n\n### 컨텍스트와 한도\n\n공개된 프로필은 컨텍스트 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰을 명시하며 지식 기준일은 2026년 4월 20일입니다. 추론은 응답 예산과 컨텍스트의 일부를 사용합니다. 분석, 도구 관찰 결과, 최종 결과를 위한 공간을 남기고, 불완전한 응답은 작업이 끝났다고 보기 전에 검토하세요.\n\n### 제작사의 도구와 인터페이스\n\n내장 도구와 함수 호출에는 문서화된 Responses 워크플로를 사용하세요. OpenAI의 Chat Completions 프로필은 추론 강도가 none일 때 함수 호출을 지원합니다. 모델 카드에는 스트리밍과 Structured Outputs, 웹 검색, 파일 검색, 이미지 생성, 코드 실행, shell 작업, 패치 적용, 스킬, 컴퓨터 사용, MCP 연결, 도구 탐색이 명시되어 있습니다. 모델은 텍스트를 반환하며, 실행된 작업이나 생성된 이미지는 해당 도구 결과에 속합니다.\n\n주변 애플리케이션이 작업을 정의하고 실행한 뒤 관찰 결과를 반환합니다. 실제 결과는 호출 식별자 및 출처와 함께 보관하세요. GPT-6 제품군 가이드는 비동기 도구 작업, 진행 중인 턴의 방향 조정, 유지되는 추론, 긴 작업을 위한 대화 압축도 설명합니다.\n\n### 검토 가능한 출력\n\n유용한 인계 자료에는 구현이나 결론, 이를 뒷받침하는 근거, 아직 해결되지 않은 조건이 포함됩니다. 출처에서 얻은 값과 생성된 코드를 요구 사항에 대조하세요. 계획이나 검증 명령 제안을 실행된 작업의 증거로 취급하지 말고, 명시한 산출물과 완료 기준을 충족했을 때 작업을 마쳐야 합니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4a8cc81915e7938dbb738850e78350642dfa5655b63b042f1d5552307dc2a185", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "openai/gpt-6-sol:batchGPT-6 Sol은 복잡한 코딩과 에이전트 워크플로를 위한 OpenAI의 추론 모델입니다. 설정 가능한 추론, 구조화된 출력, 제작사가 명시한 1,050,000토큰 컨텍스트를 활용해 텍스트와 이미지 맥락을 정의된 구현이나 분석 결과로 연결합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Sol은 복잡한 코딩과 에이전트 워크플로를 위한 OpenAI의 추론 모델입니다. 텍스트와 이미지를 처리하고 설명, 구현, 구조화된 레코드, 도구 작업 제안 등의 텍스트를 반환합니다. GPT-6 Sol이라는 에디션은 더 새로운 GPT-6.1 Sol 및 Sol의 Pro 실행 모드와 구별됩니다. 에디션별 결과를 비교할 때는 해당 모델의 제어 설정과 지식 프로필을 유지해야 합니다.
관련 구현, 관찰된 동작, 기대하는 동작, 변경 후에도 유지해야 할 조건을 제공하세요. 최종 산출물과 완료를 확인하는 데 필요한 관찰 결과를 지정하세요. 예를 들어 “이 입력이 실패하는 원인을 찾고, 가장 작은 수정안을 제안한 뒤, 변경된 함수와 그 함수가 처리하는 조건에 대한 출처 기반 설명을 반환하세요”라고 요청할 수 있습니다.
여러 파일을 다루는 작업에서는 영향을 받는 모듈과 그 사이의 인터페이스를 명시하세요. 시각적 인터페이스라면 코드와 동작 요구 사항에 읽을 수 있는 스크린샷이나 목업을 함께 제공하고, 구현할 가시적 상태를 지정하세요. 생성된 코드는 의도한 애플리케이션에서 실행되기 전까지는 제안된 산출물입니다. 실제 오류나 렌더링된 상태가 다음 수정의 근거가 됩니다.
제작사는 none, low, medium, high, xhigh, max의 추론 강도를 지원하며 기본값은 medium입니다. 강도는 추론의 양을 선택합니다. 표준 모드와 Pro 모드는 별도의 실행 선택입니다. 단순한 작업에는 none을 사용할 수 있으며, 더 복잡한 디버깅이나 계획에는 신중한 분석이 도움이 됩니다. 필요한 최종 답변은 중간 처리 과정과 별도로 정의하세요.
출처 기반 분석 작업에서는 결정, 비교 기준, 신뢰할 수 있는 자료를 명시해야 합니다. 각 결론을 제공된 구절과 연결하고 부족한 정보를 밝히도록 요청하세요. 그러면 모델이 여러 도구 단계를 선택하더라도 목표를 명확하게 유지할 수 있습니다.
공개된 프로필은 컨텍스트 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰을 명시하며 지식 기준일은 2026년 4월 20일입니다. 추론은 응답 예산과 컨텍스트의 일부를 사용합니다. 분석, 도구 관찰 결과, 최종 결과를 위한 공간을 남기고, 불완전한 응답은 작업이 끝났다고 보기 전에 검토하세요.
내장 도구와 함수 호출에는 문서화된 Responses 워크플로를 사용하세요. OpenAI의 Chat Completions 프로필은 추론 강도가 none일 때 함수 호출을 지원합니다. 모델 카드에는 스트리밍과 Structured Outputs, 웹 검색, 파일 검색, 이미지 생성, 코드 실행, shell 작업, 패치 적용, 스킬, 컴퓨터 사용, MCP 연결, 도구 탐색이 명시되어 있습니다. 모델은 텍스트를 반환하며, 실행된 작업이나 생성된 이미지는 해당 도구 결과에 속합니다.
주변 애플리케이션이 작업을 정의하고 실행한 뒤 관찰 결과를 반환합니다. 실제 결과는 호출 식별자 및 출처와 함께 보관하세요. GPT-6 제품군 가이드는 비동기 도구 작업, 진행 중인 턴의 방향 조정, 유지되는 추론, 긴 작업을 위한 대화 압축도 설명합니다.
유용한 인계 자료에는 구현이나 결론, 이를 뒷받침하는 근거, 아직 해결되지 않은 조건이 포함됩니다. 출처에서 얻은 값과 생성된 코드를 요구 사항에 대조하세요. 계획이나 검증 명령 제안을 실행된 작업의 증거로 취급하지 말고, 명시한 산출물과 완료 기준을 충족했을 때 작업을 마쳐야 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-6-sol: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-6-sol:batch, openai/gpt-6-sol | 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 $0.01 / 1K 토큰 입력 · 캐시 읽기 $0.0002 / 1K 토큰 입력 · 캐시 쓰기 $0.0025 / 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 $0.002 / 1K 토큰 출력 · 출력 토큰 $0.01 / 1K 토큰 입력 · 캐시 읽기 $0.0002 / 1K 토큰 입력 · 캐시 쓰기 $0.0025 / 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 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.015 / 1K 토큰 입력 · 캐시 읽기 $0.0004 / 1K 토큰 입력 · 캐시 쓰기 $0.005 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-6-sol: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-6-sol:batch', 'openai/gpt-6-sol']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-sol: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-6-sol:batch
위에 표시된 메서드 경로를 사용하세요.