GPT-5 Nano is OpenAI’s editie Nano van de GPT-5-redeneerfamilie. De maker benadrukt samenvatten en classificeren als praktische toepassingen. Het accepteert tekst en afbeeldingen en produceert tekst en vormt daarmee een gerichte modelkeuze voor een bepaalde bewerking binnen een grotere werkwijze. Nano behoudt de eigen editie-identiteit en specificaties.
Lever voor samenvatten het bronmateriaal en het doel van de samenvatting aan. Een voorbeeldopdracht is meerdere berichten over één kwestie om te zetten in een briefing met het onderwerp, vastgestelde feiten en de volgende vraag. Specificeer de lengte, de te behouden details en het onderscheid tussen een uitspraak in de bron en een gevolgtrekking. Zo krijgt de samenvatting een concreet doel, in plaats van het model te vragen elk deel even sterk in te korten.
Lever voor classificatie de toegestane categorieën en het onderscheidende criterium aan. Voeg voorbeelden toe wanneer ze een moeilijke grens verduidelijken en definieer hoe een geval moet worden weergegeven dat niet in de beschikbare categorieën past. Een bruikbaar resultaat is de categorie met een beknopte uitleg die op de invoer berust. Een afbeelding kan relevante visuele informatie leveren wanneer de taak specificeert welk detail of label van belang is.
OpenAI vermeldt een contextvenster van 400.000 tokens, een maximale invoer van 272.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 mei 2024. De aankondiging van GPT-5 voor ontwikkelaars noemt Nano onder de drie groottes met instellingen voor redeneerinspanning, uitvoerigheid en aangepaste hulpmiddelen. De gedocumenteerde inspanningskeuzes van de familie zijn minimal, low, medium en high; uitvoerigheid regelt het antwoorddetail afzonderlijk van de analyse. Redeneren en zichtbare uitvoer delen het budget voor gegenereerde tokens.
De exacte modelkaart vermeldt de interfaces Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestands- en afbeeldingsinvoer, zoeken in bestanden en promptcaching. De vermelde hulpmiddelen omvatten functies, zoeken op het web en in bestanden, afbeeldingsgeneratie, code-interpretatie en MCP-verbindingen. Hulpmiddelbewerkingen staan los van het geschreven resultaat van het model: de toepassing voert haar acties uit en geeft de werkelijke uitvoer terug om het werk voort te zetten.
Definieer afgebakende uitvoerafspraken, zoals een samenvatting, categorie, lijst met geëxtraheerde velden of een beknopt voorgesteld antwoord. Geef aan hoe ontbrekende informatie moet worden behandeld en houd de regels consistent bij het verwerken van vergelijkbare invoer. Geef voor een taak in meerdere fasen het relevante resultaat met eventuele onopgeloste vragen door aan de volgende fase. Controleer het eindresultaat aan de hand van de aangeleverde bron en criteria en houd een uitgevoerde bewerking gescheiden van een alleen voorgestelde bewerking.
", "aboutText": "GPT-5 Nano is OpenAI’s editie Nano van de GPT-5-redeneerfamilie. De maker benadrukt samenvatten en classificeren als praktische toepassingen. Het accepteert tekst en afbeeldingen en produceert tekst en vormt daarmee een gerichte modelkeuze voor een bepaalde bewerking binnen een grotere werkwijze. Nano behoudt de eigen editie-identiteit en specificaties.\n\nLever voor samenvatten het bronmateriaal en het doel van de samenvatting aan. Een voorbeeldopdracht is meerdere berichten over één kwestie om te zetten in een briefing met het onderwerp, vastgestelde feiten en de volgende vraag. Specificeer de lengte, de te behouden details en het onderscheid tussen een uitspraak in de bron en een gevolgtrekking. Zo krijgt de samenvatting een concreet doel, in plaats van het model te vragen elk deel even sterk in te korten.\n\nLever voor classificatie de toegestane categorieën en het onderscheidende criterium aan. Voeg voorbeelden toe wanneer ze een moeilijke grens verduidelijken en definieer hoe een geval moet worden weergegeven dat niet in de beschikbare categorieën past. Een bruikbaar resultaat is de categorie met een beknopte uitleg die op de invoer berust. Een afbeelding kan relevante visuele informatie leveren wanneer de taak specificeert welk detail of label van belang is.\n\nOpenAI vermeldt een contextvenster van 400.000 tokens, een maximale invoer van 272.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 mei 2024. De aankondiging van GPT-5 voor ontwikkelaars noemt Nano onder de drie groottes met instellingen voor redeneerinspanning, uitvoerigheid en aangepaste hulpmiddelen. De gedocumenteerde inspanningskeuzes van de familie zijn minimal, low, medium en high; uitvoerigheid regelt het antwoorddetail afzonderlijk van de analyse. Redeneren en zichtbare uitvoer delen het budget voor gegenereerde tokens.\n\nDe exacte modelkaart vermeldt de interfaces Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestands- en afbeeldingsinvoer, zoeken in bestanden en promptcaching. De vermelde hulpmiddelen omvatten functies, zoeken op het web en in bestanden, afbeeldingsgeneratie, code-interpretatie en MCP-verbindingen. Hulpmiddelbewerkingen staan los van het geschreven resultaat van het model: de toepassing voert haar acties uit en geeft de werkelijke uitvoer terug om het werk voort te zetten.\n\nDefinieer afgebakende uitvoerafspraken, zoals een samenvatting, categorie, lijst met geëxtraheerde velden of een beknopt voorgesteld antwoord. Geef aan hoe ontbrekende informatie moet worden behandeld en houd de regels consistent bij het verwerken van vergelijkbare invoer. Geef voor een taak in meerdere fasen het relevante resultaat met eventuele onopgeloste vragen door aan de volgende fase. Controleer het eindresultaat aan de hand van de aangeleverde bron en criteria en houd een uitgevoerde bewerking gescheiden van een alleen voorgestelde bewerking.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "20dff0b80520845b213258121a353bea2109d1bddd741b4d4d8253bd20124fff", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "openai/gpt-5-nano:batchDe editie Nano van GPT-5 is ontworpen voor gericht samenvatten en classificeren. Deze editie accepteert tekst en afbeeldingen en geeft tekst terug, met instelbaar redeneren en een duidelijk resultaatformaat voor herhaalde of ondersteunende taken.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5 Nano is OpenAI’s editie Nano van de GPT-5-redeneerfamilie. De maker benadrukt samenvatten en classificeren als praktische toepassingen. Het accepteert tekst en afbeeldingen en produceert tekst en vormt daarmee een gerichte modelkeuze voor een bepaalde bewerking binnen een grotere werkwijze. Nano behoudt de eigen editie-identiteit en specificaties.
Lever voor samenvatten het bronmateriaal en het doel van de samenvatting aan. Een voorbeeldopdracht is meerdere berichten over één kwestie om te zetten in een briefing met het onderwerp, vastgestelde feiten en de volgende vraag. Specificeer de lengte, de te behouden details en het onderscheid tussen een uitspraak in de bron en een gevolgtrekking. Zo krijgt de samenvatting een concreet doel, in plaats van het model te vragen elk deel even sterk in te korten.
Lever voor classificatie de toegestane categorieën en het onderscheidende criterium aan. Voeg voorbeelden toe wanneer ze een moeilijke grens verduidelijken en definieer hoe een geval moet worden weergegeven dat niet in de beschikbare categorieën past. Een bruikbaar resultaat is de categorie met een beknopte uitleg die op de invoer berust. Een afbeelding kan relevante visuele informatie leveren wanneer de taak specificeert welk detail of label van belang is.
OpenAI vermeldt een contextvenster van 400.000 tokens, een maximale invoer van 272.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 mei 2024. De aankondiging van GPT-5 voor ontwikkelaars noemt Nano onder de drie groottes met instellingen voor redeneerinspanning, uitvoerigheid en aangepaste hulpmiddelen. De gedocumenteerde inspanningskeuzes van de familie zijn minimal, low, medium en high; uitvoerigheid regelt het antwoorddetail afzonderlijk van de analyse. Redeneren en zichtbare uitvoer delen het budget voor gegenereerde tokens.
De exacte modelkaart vermeldt de interfaces Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestands- en afbeeldingsinvoer, zoeken in bestanden en promptcaching. De vermelde hulpmiddelen omvatten functies, zoeken op het web en in bestanden, afbeeldingsgeneratie, code-interpretatie en MCP-verbindingen. Hulpmiddelbewerkingen staan los van het geschreven resultaat van het model: de toepassing voert haar acties uit en geeft de werkelijke uitvoer terug om het werk voort te zetten.
Definieer afgebakende uitvoerafspraken, zoals een samenvatting, categorie, lijst met geëxtraheerde velden of een beknopt voorgesteld antwoord. Geef aan hoe ontbrekende informatie moet worden behandeld en houd de regels consistent bij het verwerken van vergelijkbare invoer. Geef voor een taak in meerdere fasen het relevante resultaat met eventuele onopgeloste vragen door aan de volgende fase. Controleer het eindresultaat aan de hand van de aangeleverde bron en criteria en houd een uitgevoerde bewerking gescheiden van een alleen voorgestelde bewerking.
POST /v1/batchestexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldendpoint | Typestring | VereisteVereist | Waarden en limieten /v1/chat/completions | Standaard— |
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5-nano:batch | Standaard— |
Veldrequests | Typebatch_item[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldrequests[].custom_id | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldrequests[].body.messages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldcompletion_window | Typestring | VereisteOptioneel | Waarden en limieten 24h | Standaard— |
Veldprovider | Typeobject|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldrequests[].body.model | Typestring | VereisteOptioneel | Waarden en limieten openai/gpt-5-nano:batch, openai/gpt-5-nano | Standaard— |
Veldprovider.only | Typestring[] | VereisteOptioneel | Waarden en limieten openai | Standaard— |
Veldprovider.allow_fallbacks | Typeboolean|null | VereisteOptioneel | Waarden en limieten false, null | Standaard— |
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractendpoint, model, requests |
Parametermaterial_types | Contracttext |
Parameterrepresentation | Contractinline requests[]; elk item bevat custom_id en body |
Parameterrequest_endpoint_profile | Contract/v1/chat/completions |
Parameterfile_material | ContractDe aanroeper kan de daadwerkelijke UTF-8 JSONL lokaal in requests[] inlezen. Er wordt geen uploaddoel, input_file_id of bestandsverwijzing gebruikt. Ontbrekend of leeg klantmateriaal stopt de voorbereiding vóór POST. |
Parameterserialization_order | Contractendpoint, model, provider (indien opgegeven), completion_window (indien opgegeven), requests als laatste |
Parameteroptional_controls | Contractprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | ContractAanvraagbodies voor tekst via Chat Completions in de gedocumenteerde inline Batch-structuur. |
Levenscyclus: asynchronous
GET /v1/batches/{operation_id} · daadwerkelijke response.id uit de oorspronkelijke aanmaakrespons; dezelfde gebruiker/sleutel/groep
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00005 / 1K tokens Uitvoer · Uitvoertokens $0.0004 / 1K tokens Invoer · Cache lezen $0.000005 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00005 / 1K tokens Uitvoer · Uitvoertokens $0.0004 / 1K tokens Invoer · Cache lezen $0.000005 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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-nano: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-nano:batch', 'openai/gpt-5-nano']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5-nano: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.\ninline JSON uit results[].response.body
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\nBewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar de volledige oorspronkelijke status-JSON, elk resultaat/custom_id en de volledige respons- of foutbody. Sla voltooide results[] op als JSONL, zonder te filteren.
Bewaar de oorspronkelijke bewerkings-ID. 503 result_pending_check bevat X-Should-Retry:false; dien een oorspronkelijke batch met onbekende status nooit opnieuw in.
| Veld | Type |
|---|---|
Veldresults[].custom_id | Typestring |
Veldresults[].response.body.choices[].message.content | Typestring|null |
Veldresults[].error | Typeobject|null |
Veldusage | Typeobject|null |
Veldid | Typestring |
Veldmodel | Typestring |
Veldendpoint | Typestring |
Veldstatus | Typestring |
Veldrequest_counts | Typeobject |
Veldresults[].id | Typestring |
Veldresults[].response.status_code | Typeinteger |
Veldresults[].response.request_id | Typestring |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeOngeldige gedocumenteerde inline structuur, dubbele sleutels, ongeldige itemidentiteit of conflict met de geconfigureerde modelmogelijkheden. | Volgende stapCorrigeer de aangegeven velden vóór elke nieuwe indiening. |
Antwoord401 · authentication_error | VoorwaardeOngeldige API-sleutel. | Volgende stapGebruik de geautoriseerde Ailoot-sleutel. |
Antwoord403 · permission_error | VoorwaardeBatch-groep niet beschikbaar. | Volgende stapControleer de toegangsrechten van de sleutel/groep. |
Antwoord422 · invalid_request_error | VoorwaardeBatch wordt via het saldo gefactureerd; aanmaken via een abonnement wordt geweigerd. | Volgende stapGebruik de geautoriseerde groep die via het saldo wordt gefactureerd. |
Antwoord422 · price_unavailable | VoorwaardeVoor de Batch-invoer kan geen prijsraming worden gemaakt. | Volgende stapBewaar de respons; gebruik de gedocumenteerde invoer voor deze familie. |
Antwoord402 · billing_error | VoorwaardeReservering voor Batch niet beschikbaar. | Volgende stapLos het toelatingsprobleem op vóór een nieuwe aanvraag. |
Antwoord503 · price_unavailable | VoorwaardePrijs voor de Batch-methode/native tarieven niet beschikbaar. | Volgende stapBewaar de respons; vervang de prijzen niet. |
Antwoord503 · api_error | VoorwaardeDe exacte leveranciersroute is niet beschikbaar. | Volgende stapBewaar de respons voor het herstel van de route. |
Antwoord503 · result_pending_check | VoorwaardeHet oorspronkelijke resultaat moet gecontroleerd worden; X-Should-Retry:false. | Volgende stapBewaar de oorspronkelijke operation_id/id en lees de status ervan uit; herhaal de oorspronkelijke POST nooit. |
Antwoord404 · not_found | VoorwaardeBewerking voor de Batch-status ontbreekt of behoort toe aan een andere identiteit. | Volgende stapGebruik de exacte oorspronkelijke id en dezelfde gebruiker/sleutel/groep. |
Ailoot Ultra openai/gpt-5-nano:batch
Gebruik de hierboven getoonde methodepaden.