GPT-5 Mini is OpenAI’s Mini-editie van de GPT-5-redeneerfamilie. De ontwikkelaar beschrijft het als een keuze voor duidelijk omschreven taken met nauwkeurige prompts en werk op grote schaal. Het accepteert tekst en afbeeldingen en maakt tekst. De Mini-editie behoudt haar eigen modelidentiteit en specificaties in plaats van de limieten van GPT-5 Pro of een later Mini-model te gebruiken.
Een praktische toepassing is een gerichte document- of supporthandeling. Geef het oorspronkelijke materiaal, de toe te passen regels en het verwachte resultaat. Een voorbeeldverzoek is enkele verplichte velden uit een bericht extraheren en een kort antwoord schrijven dat om ontbrekende informatie vraagt. Definieer hoe een afwezige waarde wordt weergegeven, welke feiten ongewijzigd moeten blijven en welke toon bij de beoogde lezer past.
Benoem voor een afgebakende bewerking de te wijzigen passage en het doel van de wijziging. Geef voor een programmeerstap de relevante bron en het gedrag dat een voorgestelde bewerking moet beïnvloeden. Een schermafbeelding of diagram kan visuele context leveren, met geschreven instructies die het relevante detail benoemen. Een nuttige opdracht geeft het model één handeling en het voltooiingscriterium in plaats van het de volledige workflow uit de invoer te laten afleiden.
OpenAI vermeldt voor GPT-5 Mini 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 GPT-5-ontwikkelaarsrelease noemt Mini onder de modellen die redeneerinspanning, uitvoerigheid en aangepaste tools ondersteunen. De gedocumenteerde inspanningskeuzes van de familie zijn minimal, low, medium en high, terwijl uitvoerigheid de hoeveelheid detail in het antwoord afzonderlijk van redeneren bepaalt.
De exacte Mini-modelkaart noemt de interfaces Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestandsinvoer, beeldinvoer en zoeken op het web en in bestanden. De genoemde tools omvatten functies, web- en bestandszoeken, code-interpretatie en MCP-verbindingen. De applicatie biedt haar handelingen aan, voert ze uit en geeft werkelijke resultaten terug. Een gestructureerd antwoord beschrijft de vereiste uitvoervelden; een functieverzoek stelt een handeling voor die een tool moet uitvoeren.
Gebruik een eindformaat dat bij de afgebakende taak past: geëxtraheerde waarden, een herziene passage, een beknopt antwoord of een voorgestelde codewijziging. Geef voor een proces in meerdere fasen het relevante resultaat door aan de volgende aanvraag en behoud de geldende regels. Controleer belangrijke beweringen aan de hand van het oorspronkelijke materiaal en maak een onopgeloste voorwaarde expliciet. Het resulterende werk kan daarna een specifieke volgende handeling ondersteunen zonder elke gerichte operatie in een breed gesprek te veranderen.
", "aboutText": "GPT-5 Mini is OpenAI’s Mini-editie van de GPT-5-redeneerfamilie. De ontwikkelaar beschrijft het als een keuze voor duidelijk omschreven taken met nauwkeurige prompts en werk op grote schaal. Het accepteert tekst en afbeeldingen en maakt tekst. De Mini-editie behoudt haar eigen modelidentiteit en specificaties in plaats van de limieten van GPT-5 Pro of een later Mini-model te gebruiken.\n\nEen praktische toepassing is een gerichte document- of supporthandeling. Geef het oorspronkelijke materiaal, de toe te passen regels en het verwachte resultaat. Een voorbeeldverzoek is enkele verplichte velden uit een bericht extraheren en een kort antwoord schrijven dat om ontbrekende informatie vraagt. Definieer hoe een afwezige waarde wordt weergegeven, welke feiten ongewijzigd moeten blijven en welke toon bij de beoogde lezer past.\n\nBenoem voor een afgebakende bewerking de te wijzigen passage en het doel van de wijziging. Geef voor een programmeerstap de relevante bron en het gedrag dat een voorgestelde bewerking moet beïnvloeden. Een schermafbeelding of diagram kan visuele context leveren, met geschreven instructies die het relevante detail benoemen. Een nuttige opdracht geeft het model één handeling en het voltooiingscriterium in plaats van het de volledige workflow uit de invoer te laten afleiden.\n\nOpenAI vermeldt voor GPT-5 Mini 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 GPT-5-ontwikkelaarsrelease noemt Mini onder de modellen die redeneerinspanning, uitvoerigheid en aangepaste tools ondersteunen. De gedocumenteerde inspanningskeuzes van de familie zijn minimal, low, medium en high, terwijl uitvoerigheid de hoeveelheid detail in het antwoord afzonderlijk van redeneren bepaalt.\n\nDe exacte Mini-modelkaart noemt de interfaces Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestandsinvoer, beeldinvoer en zoeken op het web en in bestanden. De genoemde tools omvatten functies, web- en bestandszoeken, code-interpretatie en MCP-verbindingen. De applicatie biedt haar handelingen aan, voert ze uit en geeft werkelijke resultaten terug. Een gestructureerd antwoord beschrijft de vereiste uitvoervelden; een functieverzoek stelt een handeling voor die een tool moet uitvoeren.\n\nGebruik een eindformaat dat bij de afgebakende taak past: geëxtraheerde waarden, een herziene passage, een beknopt antwoord of een voorgestelde codewijziging. Geef voor een proces in meerdere fasen het relevante resultaat door aan de volgende aanvraag en behoud de geldende regels. Controleer belangrijke beweringen aan de hand van het oorspronkelijke materiaal en maak een onopgeloste voorwaarde expliciet. Het resulterende werk kan daarna een specifieke volgende handeling ondersteunen zonder elke gerichte operatie in een breed gesprek te veranderen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "80d6f49ebf68c5f1d21bef670f43b9e5babdd03e2d9e7367bb9def8368267a8b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "openai/gpt-5-mini:batchDe editie Mini van GPT-5 is ontworpen voor goed omschreven taken en nauwkeurige prompts. Deze editie accepteert tekst en afbeeldingen en geeft tekst terug en is bruikbaar voor gerichte extractie, bewerkingen volgens vaste voorwaarden, ondersteuningsantwoorden en afgebakende stappen binnen een agentwerkwijze.
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 Mini is OpenAI’s Mini-editie van de GPT-5-redeneerfamilie. De ontwikkelaar beschrijft het als een keuze voor duidelijk omschreven taken met nauwkeurige prompts en werk op grote schaal. Het accepteert tekst en afbeeldingen en maakt tekst. De Mini-editie behoudt haar eigen modelidentiteit en specificaties in plaats van de limieten van GPT-5 Pro of een later Mini-model te gebruiken.
Een praktische toepassing is een gerichte document- of supporthandeling. Geef het oorspronkelijke materiaal, de toe te passen regels en het verwachte resultaat. Een voorbeeldverzoek is enkele verplichte velden uit een bericht extraheren en een kort antwoord schrijven dat om ontbrekende informatie vraagt. Definieer hoe een afwezige waarde wordt weergegeven, welke feiten ongewijzigd moeten blijven en welke toon bij de beoogde lezer past.
Benoem voor een afgebakende bewerking de te wijzigen passage en het doel van de wijziging. Geef voor een programmeerstap de relevante bron en het gedrag dat een voorgestelde bewerking moet beïnvloeden. Een schermafbeelding of diagram kan visuele context leveren, met geschreven instructies die het relevante detail benoemen. Een nuttige opdracht geeft het model één handeling en het voltooiingscriterium in plaats van het de volledige workflow uit de invoer te laten afleiden.
OpenAI vermeldt voor GPT-5 Mini 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 GPT-5-ontwikkelaarsrelease noemt Mini onder de modellen die redeneerinspanning, uitvoerigheid en aangepaste tools ondersteunen. De gedocumenteerde inspanningskeuzes van de familie zijn minimal, low, medium en high, terwijl uitvoerigheid de hoeveelheid detail in het antwoord afzonderlijk van redeneren bepaalt.
De exacte Mini-modelkaart noemt de interfaces Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestandsinvoer, beeldinvoer en zoeken op het web en in bestanden. De genoemde tools omvatten functies, web- en bestandszoeken, code-interpretatie en MCP-verbindingen. De applicatie biedt haar handelingen aan, voert ze uit en geeft werkelijke resultaten terug. Een gestructureerd antwoord beschrijft de vereiste uitvoervelden; een functieverzoek stelt een handeling voor die een tool moet uitvoeren.
Gebruik een eindformaat dat bij de afgebakende taak past: geëxtraheerde waarden, een herziene passage, een beknopt antwoord of een voorgestelde codewijziging. Geef voor een proces in meerdere fasen het relevante resultaat door aan de volgende aanvraag en behoud de geldende regels. Controleer belangrijke beweringen aan de hand van het oorspronkelijke materiaal en maak een onopgeloste voorwaarde expliciet. Het resulterende werk kan daarna een specifieke volgende handeling ondersteunen zonder elke gerichte operatie in een breed gesprek te veranderen.
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-mini: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-mini:batch, openai/gpt-5-mini | 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 mag daadwerkelijke JSONL-inhoud in UTF-8 lokaal in requests[] inlezen. Er wordt geen uploaddoel (purpose), 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 | ContractBody’s voor tekstaanvragen via Chat Completions in de gedocumenteerde inline Batch-envelop. |
Levenscyclus: asynchronous
GET /v1/batches/{operation_id} · de daadwerkelijke response.id uit het oorspronkelijke aanmaakantwoord; 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 $0.00025 / 1K tokens Uitvoer · Uitvoertokens $0.002 / 1K tokens Invoer · Cache lezen $0.000025 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00025 / 1K tokens Uitvoer · Uitvoertokens $0.002 / 1K tokens Invoer · Cache lezen $0.000025 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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-mini: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-mini:batch', 'openai/gpt-5-mini']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5-mini: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 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\nBewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar de volledige oorspronkelijke status-JSON, elk resultaat/custom_id en de volledige antwoord- of foutbody. Sla voltooide results[] zonder filtering op als JSONL.
Bewaar de oorspronkelijke bewerkings-ID. Bij 503 result_pending_check hoort X-Should-Retry:false; dien een oorspronkelijke batch met onbekende uitkomst 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 envelop, dubbele sleutels, ongeldige itemidentiteit of een conflict met de geconfigureerde modelmogelijkheden. | Volgende stapCorrigeer de aangegeven velden voordat u een nieuwe aanvraag indient. |
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 | VoorwaardeBij Batch worden kosten van het saldo afgeschreven; aanmaken via een abonnement wordt geweigerd. | Volgende stapGebruik de geautoriseerde groep waarvoor kosten van het saldo worden afgeschreven. |
Antwoord422 · price_unavailable | VoorwaardeVoor de Batch-invoer kan geen prijsopgave worden berekend. | Volgende stapBewaar het antwoord; gebruik de gedocumenteerde invoer voor deze familie. |
Antwoord402 · billing_error | VoorwaardeBatch-reservering niet beschikbaar. | Volgende stapLos het toelatingsprobleem op voordat u een nieuwe aanvraag indient. |
Antwoord503 · price_unavailable | VoorwaardePrijs voor de Batch-methode/native tarieven niet beschikbaar. | Volgende stapBewaar het antwoord; vervang de prijzen niet. |
Antwoord503 · api_error | VoorwaardeDe exacte leveranciersroute is niet beschikbaar. | Volgende stapBewaar het antwoord voor herstel van de route. |
Antwoord503 · result_pending_check | VoorwaardeHet oorspronkelijke resultaat moet worden gecontroleerd; 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 | VoorwaardeDe bewerking voor de Batch-status ontbreekt of is eigendom van een andere identiteit. | Volgende stapGebruik exact de oorspronkelijke id en dezelfde gebruiker/sleutel/groep. |
Ailoot Ultra openai/gpt-5-mini:batch
Gebruik de hierboven getoonde methodepaden.