gpt-oss-120b ialah model bahasa dengan pemberat terbuka OpenAI yang lebih besar untuk penaakulan kegunaan umum, pengekodan dan kerja berasaskan ejen. Model ini menerima dan menghasilkan teks. Pengeluar menerbitkan 117 bilion parameter keseluruhan dengan 5.1 bilion parameter aktif bagi setiap token dalam seni bina mixture-of-experts. Ini ialah edisi 120b keluarga tersebut, berasingan daripada gpt-oss-20b dan model Safeguard khusus.
Keluaran ini menerangkan set latihan teks sahaja yang kebanyakannya dalam bahasa Inggeris dan tertumpu pada STEM, pengekodan serta pengetahuan umum. Contoh tugas ialah menganalisis algoritma daripada kod dan syarat yang dinyatakan: terangkan hubungan penting, bandingkan pendekatan yang mungkin dan hasilkan cadangan pelaksanaan yang konkrit. Untuk keputusan berdasarkan dokumen, berikan bahan dan kriteria, kemudian minta kesimpulan yang berkaitan dengan bukti yang dibekalkan.
Seni bina yang diterbitkan OpenAI mempunyai 36 lapisan, 128 pakar dan empat pakar aktif bagi setiap token. Keluaran asal menggunakan MXFP4 untuk pemberat mixture-of-experts dan menerangkan model yang berjalan dalam satu GPU 80 GB. OpenAI mengeluarkan pemberat di bawah Apache 2.0 dan menyokong penalaan halus untuk kegunaan khusus. Ini ialah ciri model serta format yang diterbitkan pengeluar, bukannya penerangan tentang pelaksanaan tertentu bagi sesuatu aplikasi.
Dokumentasi model menyenaraikan tetingkap konteks 131,072 token dan output terjana maksimum 131,072 token, dengan had pengetahuan pada 1 Jun 2024. Input, penaakulan dan output mesti muat dalam konteks yang tersedia. Tahap penaakulan yang disokong ialah low, medium dan high, membolehkan tugas meminta respons dialog yang singkat atau analisis yang lebih mendalam. OpenAI memerlukan format Harmony, yang memisahkan analisis dalaman daripada respons akhir; pengeluar menyatakan bahawa analisis mentah ditujukan untuk kegunaan pembangun, bukannya paparan terus kepada pengguna akhir.
Pengeluar mendokumenkan panggilan fungsi, pelayaran web, pelaksanaan kod Python melalui alat dan Structured Outputs. Kad model turut menyenaraikan penstriman, dengan keupayaan fungsi, pentafsiran kod, MCP dan carian dalam persekitaran alat yang didokumenkan. Aplikasi menyediakan operasi, melaksanakan tindakannya dan memulangkan hasil sebenar. Pengiraan atau carian kemudian boleh menjadi bukti untuk langkah penaakulan berikutnya, manakala permintaan alat yang dicadangkan kekal berbeza daripada operasi yang telah dijalankan.
Sediakan matlamat yang jelas, takrif dan artifak akhir yang berguna: penerangan, cadangan kod, formula atau himpunan dapatan berstruktur. Kenal pasti fakta yang mesti dikekalkan melalui transformasi dan cara maklumat yang tiada harus diwakili. Respons akhir yang berguna menghubungkan kesimpulan dengan syarat yang dibekalkan serta hasil alat sebenar. Untuk susulan, bawa bukti penting dan keputusan yang masih perlu dibuat ke permintaan seterusnya.
", "aboutText": "gpt-oss-120b ialah model bahasa dengan pemberat terbuka OpenAI yang lebih besar untuk penaakulan kegunaan umum, pengekodan dan kerja berasaskan ejen. Model ini menerima dan menghasilkan teks. Pengeluar menerbitkan 117 bilion parameter keseluruhan dengan 5.1 bilion parameter aktif bagi setiap token dalam seni bina mixture-of-experts. Ini ialah edisi 120b keluarga tersebut, berasingan daripada gpt-oss-20b dan model Safeguard khusus.\n\nKeluaran ini menerangkan set latihan teks sahaja yang kebanyakannya dalam bahasa Inggeris dan tertumpu pada STEM, pengekodan serta pengetahuan umum. Contoh tugas ialah menganalisis algoritma daripada kod dan syarat yang dinyatakan: terangkan hubungan penting, bandingkan pendekatan yang mungkin dan hasilkan cadangan pelaksanaan yang konkrit. Untuk keputusan berdasarkan dokumen, berikan bahan dan kriteria, kemudian minta kesimpulan yang berkaitan dengan bukti yang dibekalkan.\n\nSeni bina yang diterbitkan OpenAI mempunyai 36 lapisan, 128 pakar dan empat pakar aktif bagi setiap token. Keluaran asal menggunakan MXFP4 untuk pemberat mixture-of-experts dan menerangkan model yang berjalan dalam satu GPU 80 GB. OpenAI mengeluarkan pemberat di bawah Apache 2.0 dan menyokong penalaan halus untuk kegunaan khusus. Ini ialah ciri model serta format yang diterbitkan pengeluar, bukannya penerangan tentang pelaksanaan tertentu bagi sesuatu aplikasi.\n\nDokumentasi model menyenaraikan tetingkap konteks 131,072 token dan output terjana maksimum 131,072 token, dengan had pengetahuan pada 1 Jun 2024. Input, penaakulan dan output mesti muat dalam konteks yang tersedia. Tahap penaakulan yang disokong ialah low, medium dan high, membolehkan tugas meminta respons dialog yang singkat atau analisis yang lebih mendalam. OpenAI memerlukan format Harmony, yang memisahkan analisis dalaman daripada respons akhir; pengeluar menyatakan bahawa analisis mentah ditujukan untuk kegunaan pembangun, bukannya paparan terus kepada pengguna akhir.\n\nPengeluar mendokumenkan panggilan fungsi, pelayaran web, pelaksanaan kod Python melalui alat dan Structured Outputs. Kad model turut menyenaraikan penstriman, dengan keupayaan fungsi, pentafsiran kod, MCP dan carian dalam persekitaran alat yang didokumenkan. Aplikasi menyediakan operasi, melaksanakan tindakannya dan memulangkan hasil sebenar. Pengiraan atau carian kemudian boleh menjadi bukti untuk langkah penaakulan berikutnya, manakala permintaan alat yang dicadangkan kekal berbeza daripada operasi yang telah dijalankan.\n\nSediakan matlamat yang jelas, takrif dan artifak akhir yang berguna: penerangan, cadangan kod, formula atau himpunan dapatan berstruktur. Kenal pasti fakta yang mesti dikekalkan melalui transformasi dan cara maklumat yang tiada harus diwakili. Respons akhir yang berguna menghubungkan kesimpulan dengan syarat yang dibekalkan serta hasil alat sebenar. Untuk susulan, bawa bukti penting dan keputusan yang masih perlu dibuat ke permintaan seterusnya.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b3c0eda0c2a8105dc575b0f42f8b5f57f2294e86ae9cb2349ef8a3072b61d8a7", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "openai/gpt-oss-120b:batchModel gpt-oss dengan pemberat terbuka OpenAI yang lebih besar menggunakan penaakulan mixture-of-experts untuk teks, pengekodan dan kerja berasaskan ejen. Model ini menyokong usaha penaakulan low, medium dan high, panggilan fungsi serta Structured Outputs dalam persekitaran yang disambungkan kepada alat.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
gpt-oss-120b ialah model bahasa dengan pemberat terbuka OpenAI yang lebih besar untuk penaakulan kegunaan umum, pengekodan dan kerja berasaskan ejen. Model ini menerima dan menghasilkan teks. Pengeluar menerbitkan 117 bilion parameter keseluruhan dengan 5.1 bilion parameter aktif bagi setiap token dalam seni bina mixture-of-experts. Ini ialah edisi 120b keluarga tersebut, berasingan daripada gpt-oss-20b dan model Safeguard khusus.
Keluaran ini menerangkan set latihan teks sahaja yang kebanyakannya dalam bahasa Inggeris dan tertumpu pada STEM, pengekodan serta pengetahuan umum. Contoh tugas ialah menganalisis algoritma daripada kod dan syarat yang dinyatakan: terangkan hubungan penting, bandingkan pendekatan yang mungkin dan hasilkan cadangan pelaksanaan yang konkrit. Untuk keputusan berdasarkan dokumen, berikan bahan dan kriteria, kemudian minta kesimpulan yang berkaitan dengan bukti yang dibekalkan.
Seni bina yang diterbitkan OpenAI mempunyai 36 lapisan, 128 pakar dan empat pakar aktif bagi setiap token. Keluaran asal menggunakan MXFP4 untuk pemberat mixture-of-experts dan menerangkan model yang berjalan dalam satu GPU 80 GB. OpenAI mengeluarkan pemberat di bawah Apache 2.0 dan menyokong penalaan halus untuk kegunaan khusus. Ini ialah ciri model serta format yang diterbitkan pengeluar, bukannya penerangan tentang pelaksanaan tertentu bagi sesuatu aplikasi.
Dokumentasi model menyenaraikan tetingkap konteks 131,072 token dan output terjana maksimum 131,072 token, dengan had pengetahuan pada 1 Jun 2024. Input, penaakulan dan output mesti muat dalam konteks yang tersedia. Tahap penaakulan yang disokong ialah low, medium dan high, membolehkan tugas meminta respons dialog yang singkat atau analisis yang lebih mendalam. OpenAI memerlukan format Harmony, yang memisahkan analisis dalaman daripada respons akhir; pengeluar menyatakan bahawa analisis mentah ditujukan untuk kegunaan pembangun, bukannya paparan terus kepada pengguna akhir.
Pengeluar mendokumenkan panggilan fungsi, pelayaran web, pelaksanaan kod Python melalui alat dan Structured Outputs. Kad model turut menyenaraikan penstriman, dengan keupayaan fungsi, pentafsiran kod, MCP dan carian dalam persekitaran alat yang didokumenkan. Aplikasi menyediakan operasi, melaksanakan tindakannya dan memulangkan hasil sebenar. Pengiraan atau carian kemudian boleh menjadi bukti untuk langkah penaakulan berikutnya, manakala permintaan alat yang dicadangkan kekal berbeza daripada operasi yang telah dijalankan.
Sediakan matlamat yang jelas, takrif dan artifak akhir yang berguna: penerangan, cadangan kod, formula atau himpunan dapatan berstruktur. Kenal pasti fakta yang mesti dikekalkan melalui transformasi dan cara maklumat yang tiada harus diwakili. Respons akhir yang berguna menghubungkan kesimpulan dengan syarat yang dibekalkan serta hasil alat sebenar. Untuk susulan, bawa bukti penting dan keputusan yang masih perlu dibuat ke permintaan seterusnya.
POST /v1/batchestexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanendpoint | Jenisstring | KeperluanDiperlukan | Nilai & had /v1/chat/completions | Lalai— |
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-oss-120b:batch | Lalai— |
Medanrequests | Jenisbatch_item[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanrequests[].custom_id | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanrequests[].body.messages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medancompletion_window | Jenisstring | KeperluanPilihan | Nilai & had 24h | Lalai— |
Medanprovider | Jenisobject|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanrequests[].body.model | Jenisstring | KeperluanPilihan | Nilai & had openai/gpt-oss-120b:batch, openai/gpt-oss-120b | Lalai— |
Medanprovider.only | Jenisstring[] | KeperluanPilihan | Nilai & had deepinfra/bf16 | Lalai— |
Medanprovider.allow_fallbacks | Jenisboolean|null | KeperluanPilihan | Nilai & had false, null | Lalai— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakendpoint, model, requests |
Parametermaterial_types | Kontraktext |
Parameterrepresentation | Kontrakrequests[] sebaris; setiap item mempunyai custom_id dan body |
Parameterrequest_endpoint_profile | Kontrak/v1/chat/completions |
Parameterfile_material | KontrakPemanggil boleh membaca JSONL UTF-8 sebenar secara setempat ke dalam requests[]. Tiada tujuan muat naik, input_file_id atau rujukan fail digunakan. Bahan pelanggan yang tiada atau kosong menghentikan persediaan sebelum POST. |
Parameterserialization_order | Kontrakendpoint, model, provider (jika dibekalkan), completion_window (jika dibekalkan), requests di akhir |
Parameteroptional_controls | Kontrakprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontrakBadan permintaan Chat Completions teks dalam pembungkus Batch sebaris yang didokumenkan. |
Kitar hayat: asynchronous
GET /v1/batches/{operation_id} · response.id sebenar daripada respons penciptaan asal; pengguna/kunci/kumpulan yang sama
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0000592 / 1K token Output · Token output $0.000272 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0000592 / 1K token Output · Token output $0.000272 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${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-oss-120b: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-oss-120b:batch', 'openai/gpt-oss-120b']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-oss-120b: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.\nJSON results[].response.body sebaris
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\nSimpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Simpan keseluruhan JSON status asal, setiap hasil/custom_id serta badan respons atau ralat yang lengkap. Simpan results[] yang telah selesai sebagai JSONL tanpa penapisan.
Simpan ID operasi asal. 503 result_pending_check mempunyai X-Should-Retry:false; jangan sekali-kali hantar semula kelompok asal yang hasilnya tidak diketahui.
| Medan | Jenis |
|---|---|
Medanresults[].custom_id | Jenisstring |
Medanresults[].response.body.choices[].message.content | Jenisstring|null |
Medanresults[].error | Jenisobject|null |
Medanusage | Jenisobject|null |
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medanendpoint | Jenisstring |
Medanstatus | Jenisstring |
Medanrequest_counts | Jenisobject |
Medanresults[].id | Jenisstring |
Medanresults[].response.status_code | Jenisinteger |
Medanresults[].response.request_id | Jenisstring |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratPembungkus sebaris yang didokumenkan tidak sah, kunci berulang, identiti item atau keupayaan model yang dikonfigurasikan bercanggah. | Langkah seterusnyaBetulkan medan yang dinyatakan sebelum sebarang penghantaran baharu. |
Respons401 · authentication_error | SyaratKunci API tidak sah. | Langkah seterusnyaGunakan kunci Ailoot yang dibenarkan. |
Respons403 · permission_error | SyaratKumpulan kelompok tidak tersedia. | Langkah seterusnyaSemak hak akses kunci/kumpulan. |
Respons422 · invalid_request_error | SyaratKelompok menggunakan pengebilan baki; penciptaan melalui langganan ditolak. | Langkah seterusnyaGunakan kumpulan yang dibenarkan untuk pengebilan melalui baki. |
Respons422 · price_unavailable | SyaratSebut harga tidak dapat diberikan untuk input kelompok. | Langkah seterusnyaSimpan respons; gunakan input keluarga API yang didokumenkan. |
Respons402 · billing_error | SyaratRizab kelompok tidak tersedia. | Langkah seterusnyaSelesaikan isu penerimaan permintaan sebelum menghantar permintaan baharu. |
Respons503 · price_unavailable | SyaratHarga kaedah kelompok/kadar natif tidak tersedia. | Langkah seterusnyaSimpan respons; jangan gantikan harga. |
Respons503 · api_error | SyaratLaluan pembekal yang tepat tidak tersedia. | Langkah seterusnyaSimpan respons untuk pembaikan laluan. |
Respons503 · result_pending_check | SyaratHasil asal memerlukan semakan; X-Should-Retry:false. | Langkah seterusnyaSimpan operation_id/id asal dan baca statusnya; jangan sekali-kali ulang POST asal. |
Respons404 · not_found | SyaratOperasi status kelompok tiada atau dimiliki oleh identiti lain. | Langkah seterusnyaGunakan id asal yang tepat serta pengguna/kunci/kumpulan yang sama. |
Ailoot Ultra openai/gpt-oss-120b:batch
Gunakan laluan kaedah yang dipaparkan di atas.