o3 is OpenAI’s algemeen inzetbare redeneermodel uit de o-serie voor complexe taken. De maker benadrukt wiskunde, wetenschap, programmeren, visueel redeneren, technisch schrijven en het volgen van instructies. Het accepteert tekst en afbeeldingen en produceert tekst, zodat een taak een geschreven probleem, code en een diagram kan combineren in plaats van elke bron als een afzonderlijke vraag te behandelen. Het beoogde resultaat is een doordacht antwoord op een probleem met meerdere stappen, met de informatie die nodig is om dat antwoord te beoordelen.
Lever voor een wiskundige of wetenschappelijke vraag het volledige probleem, de definities, bekende hoeveelheden, eenheden en voorwaarden aan. Geef aan of u een afleiding, een numeriek resultaat, een vergelijking van hypothesen of een uitleg voor een bepaald publiek nodig hebt. Een voorbeeldomschrijving van de uitvoer is: benoem de relevante aannames, presenteer de oplossing met de bijbehorende eenheden en leg uit welke aangeleverde feiten deze ondersteunen. Vraag om een bruikbare uitleg in het eindantwoord; OpenAI’s interne redeneertokens worden niet als het ruwe werkspoor van het model getoond.
Lever voor softwarewerk de relevante code, het verwachte gedrag en de waargenomen fout aan, inclusief de exacte foutmelding of invoer die het probleem zichtbaar maakt. Vraag o3 om de symptomen met een aannemelijke oorzaak te verbinden en een gerichte wijziging met uitleg voor te stellen. Een visuele taak kan een diagram, schermafbeelding of grafisch weergegeven resultaat bevatten: benoem de vraag en de relevante labels of het gebied, behoud een leesbare schaal en vraag om een conclusie die aansluit bij wat daadwerkelijk zichtbaar is. Deze voorbereiding geeft het model een omschreven probleem en concrete uitvoer in plaats van een onbeperkte opdracht om alles te onderzoeken.
OpenAI vermeldt een contextvenster van 200.000 tokens, een maximale uitvoer van 100.000 tokens en een kennisgrens van 1 juni 2024. Intern redeneren gebruikt context- en uitvoercapaciteit naast het zichtbare antwoord. De maximale uitvoer is dus geen belofte van 100.000 zichtbare antwoordtokens, en de context is geen extra, onafhankelijk uitvoerbudget. Laat na het invoermateriaal ruimte voor analyse en het gevraagde resultaat. De redeneerhandleiding van de maker beschrijft onvolledige antwoorden bij het bereiken van een context- of uitvoerlimiet; dit kan gebeuren voordat een zichtbaar antwoord verschijnt.
De specifieke o3-specificatie documenteert interfaces voor Chat Completions, Responses en Batch, samen met streaming, Structured Outputs, functieaanroepen, bestandsuploads, afbeeldingsinvoer, zoeken in bestanden en promptcaching. De gedocumenteerde hulpmiddelen omvatten zoeken op het web en in bestanden, code-interpretatie, afbeeldingsgeneratie en MCP-verbindingen. Een zoekresultaat of berekening is aanvullend bewijs voor de taak, terwijl een functieaanroep om een bewerking door de omringende toepassing vraagt. Houd teruggegeven bewijs gekoppeld aan de vraag die het beantwoordt en onderscheid een voorgestelde actie van een bevestigd resultaat. De eigen uitvoer van het model blijft tekst, ook wanneer een hulpmiddel voor afbeeldingsgeneratie een afzonderlijk resultaat creëert.
OpenAI’s redeneeradvies geeft de voorkeur aan eenvoudige, directe instructies met duidelijke grenzen tussen instructies en bronmateriaal. Geef het doel, de voorwaarden en het vereiste antwoordformaat aan in plaats van het privédenkproces van het model voor te schrijven. Gebruik voorbeelden wanneer die een moeilijk formaat of een beslisregel verduidelijken en houd ze in overeenstemming met de werkelijke vereisten. Label bij een lang technisch document de secties en vraag om de passages of relaties die relevant zijn voor een specifieke vraag; geef bij een codebeoordeling het gedrag en risico aan dat u wilt laten onderzoeken.
Een bruikbaar o3-resultaat kan een uitgewerkte technische uitleg, een diagramanalyse, een gedocumenteerde codecorrectie of een vergelijking op basis van aangeleverd materiaal zijn. Maak niet-onderbouwde aannames en ontbrekende informatie expliciet en controleer beslissende berekeningen of codegedrag aan de hand van het oorspronkelijke probleem. De kennisgrens betekent dat recente feiten aangeleverd materiaal of een passend informatiehulpmiddel vereisen. Duidelijk bewijs, een expliciet voltooiingscriterium en voldoende uitvoerruimte helpen een brede redeneertaak om te zetten in een resultaat dat een ander kan inspecteren en gebruiken.
", "aboutText": "o3 is OpenAI’s algemeen inzetbare redeneermodel uit de o-serie voor complexe taken. De maker benadrukt wiskunde, wetenschap, programmeren, visueel redeneren, technisch schrijven en het volgen van instructies. Het accepteert tekst en afbeeldingen en produceert tekst, zodat een taak een geschreven probleem, code en een diagram kan combineren in plaats van elke bron als een afzonderlijke vraag te behandelen. Het beoogde resultaat is een doordacht antwoord op een probleem met meerdere stappen, met de informatie die nodig is om dat antwoord te beoordelen.\n\nLever voor een wiskundige of wetenschappelijke vraag het volledige probleem, de definities, bekende hoeveelheden, eenheden en voorwaarden aan. Geef aan of u een afleiding, een numeriek resultaat, een vergelijking van hypothesen of een uitleg voor een bepaald publiek nodig hebt. Een voorbeeldomschrijving van de uitvoer is: benoem de relevante aannames, presenteer de oplossing met de bijbehorende eenheden en leg uit welke aangeleverde feiten deze ondersteunen. Vraag om een bruikbare uitleg in het eindantwoord; OpenAI’s interne redeneertokens worden niet als het ruwe werkspoor van het model getoond.\n\nLever voor softwarewerk de relevante code, het verwachte gedrag en de waargenomen fout aan, inclusief de exacte foutmelding of invoer die het probleem zichtbaar maakt. Vraag o3 om de symptomen met een aannemelijke oorzaak te verbinden en een gerichte wijziging met uitleg voor te stellen. Een visuele taak kan een diagram, schermafbeelding of grafisch weergegeven resultaat bevatten: benoem de vraag en de relevante labels of het gebied, behoud een leesbare schaal en vraag om een conclusie die aansluit bij wat daadwerkelijk zichtbaar is. Deze voorbereiding geeft het model een omschreven probleem en concrete uitvoer in plaats van een onbeperkte opdracht om alles te onderzoeken.\n\nOpenAI vermeldt een contextvenster van 200.000 tokens, een maximale uitvoer van 100.000 tokens en een kennisgrens van 1 juni 2024. Intern redeneren gebruikt context- en uitvoercapaciteit naast het zichtbare antwoord. De maximale uitvoer is dus geen belofte van 100.000 zichtbare antwoordtokens, en de context is geen extra, onafhankelijk uitvoerbudget. Laat na het invoermateriaal ruimte voor analyse en het gevraagde resultaat. De redeneerhandleiding van de maker beschrijft onvolledige antwoorden bij het bereiken van een context- of uitvoerlimiet; dit kan gebeuren voordat een zichtbaar antwoord verschijnt.\n\nDe specifieke o3-specificatie documenteert interfaces voor Chat Completions, Responses en Batch, samen met streaming, Structured Outputs, functieaanroepen, bestandsuploads, afbeeldingsinvoer, zoeken in bestanden en promptcaching. De gedocumenteerde hulpmiddelen omvatten zoeken op het web en in bestanden, code-interpretatie, afbeeldingsgeneratie en MCP-verbindingen. Een zoekresultaat of berekening is aanvullend bewijs voor de taak, terwijl een functieaanroep om een bewerking door de omringende toepassing vraagt. Houd teruggegeven bewijs gekoppeld aan de vraag die het beantwoordt en onderscheid een voorgestelde actie van een bevestigd resultaat. De eigen uitvoer van het model blijft tekst, ook wanneer een hulpmiddel voor afbeeldingsgeneratie een afzonderlijk resultaat creëert.\n\nOpenAI’s redeneeradvies geeft de voorkeur aan eenvoudige, directe instructies met duidelijke grenzen tussen instructies en bronmateriaal. Geef het doel, de voorwaarden en het vereiste antwoordformaat aan in plaats van het privédenkproces van het model voor te schrijven. Gebruik voorbeelden wanneer die een moeilijk formaat of een beslisregel verduidelijken en houd ze in overeenstemming met de werkelijke vereisten. Label bij een lang technisch document de secties en vraag om de passages of relaties die relevant zijn voor een specifieke vraag; geef bij een codebeoordeling het gedrag en risico aan dat u wilt laten onderzoeken.\n\nEen bruikbaar o3-resultaat kan een uitgewerkte technische uitleg, een diagramanalyse, een gedocumenteerde codecorrectie of een vergelijking op basis van aangeleverd materiaal zijn. Maak niet-onderbouwde aannames en ontbrekende informatie expliciet en controleer beslissende berekeningen of codegedrag aan de hand van het oorspronkelijke probleem. De kennisgrens betekent dat recente feiten aangeleverd materiaal of een passend informatiehulpmiddel vereisen. Duidelijk bewijs, een expliciet voltooiingscriterium en voldoende uitvoerruimte helpen een brede redeneertaak om te zetten in een resultaat dat een ander kan inspecteren en gebruiken.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "79671c3452a961d4f0fcc8d01ed404fb0987799c61e7189818de3325ea24c602", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "openai/o3:batchOpenAI o3 is een redeneermodel voor werk in meerdere stappen op het gebied van wiskunde, wetenschap, code en afbeeldingen. Het geeft tekst terug en ondersteunt gestructureerde antwoorden en hulpmiddelgebruik, waardoor het bruikbaar is om een technisch probleem te onderzoeken en een onderbouwde uitleg of voorgestelde oplossing te produceren.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
o3 is OpenAI’s algemeen inzetbare redeneermodel uit de o-serie voor complexe taken. De maker benadrukt wiskunde, wetenschap, programmeren, visueel redeneren, technisch schrijven en het volgen van instructies. Het accepteert tekst en afbeeldingen en produceert tekst, zodat een taak een geschreven probleem, code en een diagram kan combineren in plaats van elke bron als een afzonderlijke vraag te behandelen. Het beoogde resultaat is een doordacht antwoord op een probleem met meerdere stappen, met de informatie die nodig is om dat antwoord te beoordelen.
Lever voor een wiskundige of wetenschappelijke vraag het volledige probleem, de definities, bekende hoeveelheden, eenheden en voorwaarden aan. Geef aan of u een afleiding, een numeriek resultaat, een vergelijking van hypothesen of een uitleg voor een bepaald publiek nodig hebt. Een voorbeeldomschrijving van de uitvoer is: benoem de relevante aannames, presenteer de oplossing met de bijbehorende eenheden en leg uit welke aangeleverde feiten deze ondersteunen. Vraag om een bruikbare uitleg in het eindantwoord; OpenAI’s interne redeneertokens worden niet als het ruwe werkspoor van het model getoond.
Lever voor softwarewerk de relevante code, het verwachte gedrag en de waargenomen fout aan, inclusief de exacte foutmelding of invoer die het probleem zichtbaar maakt. Vraag o3 om de symptomen met een aannemelijke oorzaak te verbinden en een gerichte wijziging met uitleg voor te stellen. Een visuele taak kan een diagram, schermafbeelding of grafisch weergegeven resultaat bevatten: benoem de vraag en de relevante labels of het gebied, behoud een leesbare schaal en vraag om een conclusie die aansluit bij wat daadwerkelijk zichtbaar is. Deze voorbereiding geeft het model een omschreven probleem en concrete uitvoer in plaats van een onbeperkte opdracht om alles te onderzoeken.
OpenAI vermeldt een contextvenster van 200.000 tokens, een maximale uitvoer van 100.000 tokens en een kennisgrens van 1 juni 2024. Intern redeneren gebruikt context- en uitvoercapaciteit naast het zichtbare antwoord. De maximale uitvoer is dus geen belofte van 100.000 zichtbare antwoordtokens, en de context is geen extra, onafhankelijk uitvoerbudget. Laat na het invoermateriaal ruimte voor analyse en het gevraagde resultaat. De redeneerhandleiding van de maker beschrijft onvolledige antwoorden bij het bereiken van een context- of uitvoerlimiet; dit kan gebeuren voordat een zichtbaar antwoord verschijnt.
De specifieke o3-specificatie documenteert interfaces voor Chat Completions, Responses en Batch, samen met streaming, Structured Outputs, functieaanroepen, bestandsuploads, afbeeldingsinvoer, zoeken in bestanden en promptcaching. De gedocumenteerde hulpmiddelen omvatten zoeken op het web en in bestanden, code-interpretatie, afbeeldingsgeneratie en MCP-verbindingen. Een zoekresultaat of berekening is aanvullend bewijs voor de taak, terwijl een functieaanroep om een bewerking door de omringende toepassing vraagt. Houd teruggegeven bewijs gekoppeld aan de vraag die het beantwoordt en onderscheid een voorgestelde actie van een bevestigd resultaat. De eigen uitvoer van het model blijft tekst, ook wanneer een hulpmiddel voor afbeeldingsgeneratie een afzonderlijk resultaat creëert.
OpenAI’s redeneeradvies geeft de voorkeur aan eenvoudige, directe instructies met duidelijke grenzen tussen instructies en bronmateriaal. Geef het doel, de voorwaarden en het vereiste antwoordformaat aan in plaats van het privédenkproces van het model voor te schrijven. Gebruik voorbeelden wanneer die een moeilijk formaat of een beslisregel verduidelijken en houd ze in overeenstemming met de werkelijke vereisten. Label bij een lang technisch document de secties en vraag om de passages of relaties die relevant zijn voor een specifieke vraag; geef bij een codebeoordeling het gedrag en risico aan dat u wilt laten onderzoeken.
Een bruikbaar o3-resultaat kan een uitgewerkte technische uitleg, een diagramanalyse, een gedocumenteerde codecorrectie of een vergelijking op basis van aangeleverd materiaal zijn. Maak niet-onderbouwde aannames en ontbrekende informatie expliciet en controleer beslissende berekeningen of codegedrag aan de hand van het oorspronkelijke probleem. De kennisgrens betekent dat recente feiten aangeleverd materiaal of een passend informatiehulpmiddel vereisen. Duidelijk bewijs, een expliciet voltooiingscriterium en voldoende uitvoerruimte helpen een brede redeneertaak om te zetten in een resultaat dat een ander kan inspecteren en gebruiken.
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/o3: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/o3:batch, openai/o3 | 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 $0.002 / 1K tokens Uitvoer · Uitvoertokens $0.008 / 1K tokens Invoer · Cache lezen $0.0005 / 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 $0.002 / 1K tokens Uitvoer · Uitvoertokens $0.008 / 1K tokens Invoer · Cache lezen $0.0005 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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/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.\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/o3:batch
Gebruik de hierboven getoonde methodepaden.