o3는 복잡한 작업을 위한 OpenAI의 범용 o-series 추론 모델입니다. 제조사는 수학, 과학, 코딩, 시각 추론, 기술 문서 작성, 지시 이행을 강조합니다. 텍스트와 이미지를 입력받아 텍스트를 생성하므로, 각 출처를 개별 질문으로 취급하지 않고 서면 문제, 코드, 도표를 하나의 작업에 결합할 수 있습니다. 의도한 결과는 여러 단계의 문제를 충분히 검토한 답변과, 그 답변을 평가하는 데 필요한 정보입니다.
수학 또는 과학 질문에서는 문제 전체, 정의, 알려진 수량, 단위, 제약을 제공하세요. 유도 과정, 수치 결과, 가설 비교, 특정 독자를 위한 설명 중 무엇이 필요한지 명시하세요. 예를 들어 관련 가정을 밝히고, 단위와 함께 해를 제시하며, 제공된 사실 중 무엇이 이를 뒷받침하는지 설명하도록 요청할 수 있습니다. 최종 답변에서 유용한 설명을 요청하세요. OpenAI의 내부 추론 토큰은 모델의 가공되지 않은 내부 작업 기록으로 공개되지 않습니다.
소프트웨어 작업에서는 관련 코드, 기대하는 동작, 관찰된 오류를 제공하고, 이를 드러내는 정확한 오류 메시지나 입력을 포함하세요. o3에 증상을 타당한 원인과 연결하고, 설명과 함께 범위를 좁힌 변경을 제안하도록 요청하세요. 시각 작업에는 도표, 스크린샷, 그래프로 표시한 결과를 포함할 수 있습니다. 질문과 중요한 라벨 또는 영역을 지정하고, 눈금을 읽기 쉽게 유지하며, 실제로 보이는 내용에 근거한 결론을 요청하세요. 이러한 준비는 모든 것을 살펴보라는 무제한 요청 대신, 명확한 문제와 구체적인 출력을 모델에 제공합니다.
OpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2024년 6월 1일의 지식 기준일을 명시합니다. 내부 추론은 표시되는 답변과 함께 컨텍스트와 출력 용량을 사용합니다. 따라서 최대 출력이 100,000토큰의 표시용 답변을 보장하지 않으며, 컨텍스트도 별도의 추가 출력 한도가 아닙니다. 입력 자료 뒤에 분석과 요청한 결과를 위한 공간을 남겨 두세요. 제조사의 추론 가이드는 컨텍스트나 출력 한도에 도달하면 응답이 불완전해질 수 있다고 설명합니다. 이는 표시되는 답변이 나오기 전에도 발생할 수 있습니다.
o3의 정확한 사양에는 Chat Completions, Responses, Batch 인터페이스와 스트리밍, Structured Outputs, 함수 호출, 파일 업로드, 이미지 입력, 파일 검색, 프롬프트 캐싱이 문서화되어 있습니다. 문서화된 도구에는 웹 및 파일 검색, 코드 해석, 이미지 생성, MCP 연결이 포함됩니다. 검색 결과나 계산은 작업의 추가 근거이며, 함수 호출은 모델을 둘러싼 애플리케이션에 작업을 요청합니다. 반환된 근거를 해당 근거가 답하는 질문과 연결하고, 제안된 행동과 확인된 결과를 구분하세요. 이미지 생성 도구가 별도의 산출물을 만들더라도 모델 자체의 출력은 텍스트로 유지됩니다.
OpenAI의 추론 지침은 지시와 원자료를 명확히 구분하고, 간결하고 직접적인 지시를 제공하는 방식을 권장합니다. 모델의 비공개 사고 과정을 지정하기보다 목표, 제약, 필요한 답변 형식을 명시하세요. 어려운 형식이나 판단 기준을 명확하게 하는 경우 예시를 사용하고, 실제 요구 사항과 일치하게 유지하세요. 긴 기술 문서에서는 절에 라벨을 붙이고 특정 질문과 관련된 구절이나 관계를 요청하세요. 코드 검토에서는 조사할 동작과 위험을 지정하세요.
유용한 o3 산출물은 풀이를 담은 기술 설명, 도표 분석, 기록을 갖춘 코드 수정, 제공된 자료에 근거한 비교가 될 수 있습니다. 뒷받침되지 않는 가정과 누락된 정보를 명시하고, 결정적인 계산이나 코드 동작을 원래 문제에 대조해 검증하세요. 지식 기준일이 있으므로 최근 사실에는 제공된 자료나 적절한 정보 도구가 필요합니다. 명확한 근거, 명시적인 완료 기준, 충분한 출력 공간은 폭넓은 추론 작업을 다른 사람이 확인하고 사용할 수 있는 결과로 만드는 데 도움이 됩니다.
", "aboutText": "o3는 복잡한 작업을 위한 OpenAI의 범용 o-series 추론 모델입니다. 제조사는 수학, 과학, 코딩, 시각 추론, 기술 문서 작성, 지시 이행을 강조합니다. 텍스트와 이미지를 입력받아 텍스트를 생성하므로, 각 출처를 개별 질문으로 취급하지 않고 서면 문제, 코드, 도표를 하나의 작업에 결합할 수 있습니다. 의도한 결과는 여러 단계의 문제를 충분히 검토한 답변과, 그 답변을 평가하는 데 필요한 정보입니다.\n\n수학 또는 과학 질문에서는 문제 전체, 정의, 알려진 수량, 단위, 제약을 제공하세요. 유도 과정, 수치 결과, 가설 비교, 특정 독자를 위한 설명 중 무엇이 필요한지 명시하세요. 예를 들어 관련 가정을 밝히고, 단위와 함께 해를 제시하며, 제공된 사실 중 무엇이 이를 뒷받침하는지 설명하도록 요청할 수 있습니다. 최종 답변에서 유용한 설명을 요청하세요. OpenAI의 내부 추론 토큰은 모델의 가공되지 않은 내부 작업 기록으로 공개되지 않습니다.\n\n소프트웨어 작업에서는 관련 코드, 기대하는 동작, 관찰된 오류를 제공하고, 이를 드러내는 정확한 오류 메시지나 입력을 포함하세요. o3에 증상을 타당한 원인과 연결하고, 설명과 함께 범위를 좁힌 변경을 제안하도록 요청하세요. 시각 작업에는 도표, 스크린샷, 그래프로 표시한 결과를 포함할 수 있습니다. 질문과 중요한 라벨 또는 영역을 지정하고, 눈금을 읽기 쉽게 유지하며, 실제로 보이는 내용에 근거한 결론을 요청하세요. 이러한 준비는 모든 것을 살펴보라는 무제한 요청 대신, 명확한 문제와 구체적인 출력을 모델에 제공합니다.\n\nOpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2024년 6월 1일의 지식 기준일을 명시합니다. 내부 추론은 표시되는 답변과 함께 컨텍스트와 출력 용량을 사용합니다. 따라서 최대 출력이 100,000토큰의 표시용 답변을 보장하지 않으며, 컨텍스트도 별도의 추가 출력 한도가 아닙니다. 입력 자료 뒤에 분석과 요청한 결과를 위한 공간을 남겨 두세요. 제조사의 추론 가이드는 컨텍스트나 출력 한도에 도달하면 응답이 불완전해질 수 있다고 설명합니다. 이는 표시되는 답변이 나오기 전에도 발생할 수 있습니다.\n\no3의 정확한 사양에는 Chat Completions, Responses, Batch 인터페이스와 스트리밍, Structured Outputs, 함수 호출, 파일 업로드, 이미지 입력, 파일 검색, 프롬프트 캐싱이 문서화되어 있습니다. 문서화된 도구에는 웹 및 파일 검색, 코드 해석, 이미지 생성, MCP 연결이 포함됩니다. 검색 결과나 계산은 작업의 추가 근거이며, 함수 호출은 모델을 둘러싼 애플리케이션에 작업을 요청합니다. 반환된 근거를 해당 근거가 답하는 질문과 연결하고, 제안된 행동과 확인된 결과를 구분하세요. 이미지 생성 도구가 별도의 산출물을 만들더라도 모델 자체의 출력은 텍스트로 유지됩니다.\n\nOpenAI의 추론 지침은 지시와 원자료를 명확히 구분하고, 간결하고 직접적인 지시를 제공하는 방식을 권장합니다. 모델의 비공개 사고 과정을 지정하기보다 목표, 제약, 필요한 답변 형식을 명시하세요. 어려운 형식이나 판단 기준을 명확하게 하는 경우 예시를 사용하고, 실제 요구 사항과 일치하게 유지하세요. 긴 기술 문서에서는 절에 라벨을 붙이고 특정 질문과 관련된 구절이나 관계를 요청하세요. 코드 검토에서는 조사할 동작과 위험을 지정하세요.\n\n유용한 o3 산출물은 풀이를 담은 기술 설명, 도표 분석, 기록을 갖춘 코드 수정, 제공된 자료에 근거한 비교가 될 수 있습니다. 뒷받침되지 않는 가정과 누락된 정보를 명시하고, 결정적인 계산이나 코드 동작을 원래 문제에 대조해 검증하세요. 지식 기준일이 있으므로 최근 사실에는 제공된 자료나 적절한 정보 도구가 필요합니다. 명확한 근거, 명시적인 완료 기준, 충분한 출력 공간은 폭넓은 추론 작업을 다른 사람이 확인하고 사용할 수 있는 결과로 만드는 데 도움이 됩니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "64ffd6d6b29c52116b1dae62d5f8064502a06104b2fac33dfcd04b830b7e981f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "openai/o3:batchOpenAI o3는 수학, 과학, 코드, 이미지를 아우르는 여러 단계의 작업을 위한 추론 모델입니다. 텍스트를 반환하며 구조화된 답변과 도구 사용을 지원하므로, 기술 문제를 조사하고 근거에 기반한 설명이나 해결책을 제안하는 데 유용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
o3는 복잡한 작업을 위한 OpenAI의 범용 o-series 추론 모델입니다. 제조사는 수학, 과학, 코딩, 시각 추론, 기술 문서 작성, 지시 이행을 강조합니다. 텍스트와 이미지를 입력받아 텍스트를 생성하므로, 각 출처를 개별 질문으로 취급하지 않고 서면 문제, 코드, 도표를 하나의 작업에 결합할 수 있습니다. 의도한 결과는 여러 단계의 문제를 충분히 검토한 답변과, 그 답변을 평가하는 데 필요한 정보입니다.
수학 또는 과학 질문에서는 문제 전체, 정의, 알려진 수량, 단위, 제약을 제공하세요. 유도 과정, 수치 결과, 가설 비교, 특정 독자를 위한 설명 중 무엇이 필요한지 명시하세요. 예를 들어 관련 가정을 밝히고, 단위와 함께 해를 제시하며, 제공된 사실 중 무엇이 이를 뒷받침하는지 설명하도록 요청할 수 있습니다. 최종 답변에서 유용한 설명을 요청하세요. OpenAI의 내부 추론 토큰은 모델의 가공되지 않은 내부 작업 기록으로 공개되지 않습니다.
소프트웨어 작업에서는 관련 코드, 기대하는 동작, 관찰된 오류를 제공하고, 이를 드러내는 정확한 오류 메시지나 입력을 포함하세요. o3에 증상을 타당한 원인과 연결하고, 설명과 함께 범위를 좁힌 변경을 제안하도록 요청하세요. 시각 작업에는 도표, 스크린샷, 그래프로 표시한 결과를 포함할 수 있습니다. 질문과 중요한 라벨 또는 영역을 지정하고, 눈금을 읽기 쉽게 유지하며, 실제로 보이는 내용에 근거한 결론을 요청하세요. 이러한 준비는 모든 것을 살펴보라는 무제한 요청 대신, 명확한 문제와 구체적인 출력을 모델에 제공합니다.
OpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2024년 6월 1일의 지식 기준일을 명시합니다. 내부 추론은 표시되는 답변과 함께 컨텍스트와 출력 용량을 사용합니다. 따라서 최대 출력이 100,000토큰의 표시용 답변을 보장하지 않으며, 컨텍스트도 별도의 추가 출력 한도가 아닙니다. 입력 자료 뒤에 분석과 요청한 결과를 위한 공간을 남겨 두세요. 제조사의 추론 가이드는 컨텍스트나 출력 한도에 도달하면 응답이 불완전해질 수 있다고 설명합니다. 이는 표시되는 답변이 나오기 전에도 발생할 수 있습니다.
o3의 정확한 사양에는 Chat Completions, Responses, Batch 인터페이스와 스트리밍, Structured Outputs, 함수 호출, 파일 업로드, 이미지 입력, 파일 검색, 프롬프트 캐싱이 문서화되어 있습니다. 문서화된 도구에는 웹 및 파일 검색, 코드 해석, 이미지 생성, MCP 연결이 포함됩니다. 검색 결과나 계산은 작업의 추가 근거이며, 함수 호출은 모델을 둘러싼 애플리케이션에 작업을 요청합니다. 반환된 근거를 해당 근거가 답하는 질문과 연결하고, 제안된 행동과 확인된 결과를 구분하세요. 이미지 생성 도구가 별도의 산출물을 만들더라도 모델 자체의 출력은 텍스트로 유지됩니다.
OpenAI의 추론 지침은 지시와 원자료를 명확히 구분하고, 간결하고 직접적인 지시를 제공하는 방식을 권장합니다. 모델의 비공개 사고 과정을 지정하기보다 목표, 제약, 필요한 답변 형식을 명시하세요. 어려운 형식이나 판단 기준을 명확하게 하는 경우 예시를 사용하고, 실제 요구 사항과 일치하게 유지하세요. 긴 기술 문서에서는 절에 라벨을 붙이고 특정 질문과 관련된 구절이나 관계를 요청하세요. 코드 검토에서는 조사할 동작과 위험을 지정하세요.
유용한 o3 산출물은 풀이를 담은 기술 설명, 도표 분석, 기록을 갖춘 코드 수정, 제공된 자료에 근거한 비교가 될 수 있습니다. 뒷받침되지 않는 가정과 누락된 정보를 명시하고, 결정적인 계산이나 코드 동작을 원래 문제에 대조해 검증하세요. 지식 기준일이 있으므로 최근 사실에는 제공된 자료나 적절한 정보 도구가 필요합니다. 명확한 근거, 명시적인 완료 기준, 충분한 출력 공간은 폭넓은 추론 작업을 다른 사람이 확인하고 사용할 수 있는 결과로 만드는 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/o3: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/o3:batch, openai/o3 | 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/o3: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/o3:batch', 'openai/o3']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/o3: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/o3:batch
위에 표시된 메서드 경로를 사용하세요.