Source: https://ailoot.ai/models/pl/openai-gpt-4-1-nano-u003a-batch/ Canonical: https://ailoot.ai/models/pl/openai-gpt-4-1-nano-u003a-batch/ Language: pl # OpenAI: GPT-4.1 Nano (batch) [Markdown](https://ailoot.ai/models/pl/openai-gpt-4-1-nano-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/pl/openai-gpt-4-1-nano-u003a-batch/facts.json) ## [OpenAI: GPT-4.1 Nano (batch)](https://ailoot.ai/models/pl/openai-gpt-4-1-nano-u003a-batch/) GPT-4.1 Nano to niewielki, szybko reagujący model z rodziny GPT-4.1 do precyzyjnie opisanych zadań tekstowych i obrazowych. Duży kontekst, Structured Outputs i wywoływanie funkcji wspierają klasyfikację, wyodrębnianie danych i ściśle określone kroki aplikacji. - [**Ailoot Ultra · Batch** `POST /v1/batches` `openai/gpt-4.1-nano:batch`](https://ailoot.ai/models/pl/openai-gpt-4-1-nano-u003a-batch/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. GPT-4.1 Nano to najszybszy model z rodziny GPT-4.1 firmy OpenAI, przeznaczony do wykonywania instrukcji i wywoływania narzędzi bez osobnego kroku rozumowania. Przyjmuje tekst i obrazy, a generuje tekst. Nano pasuje do dobrze określonej operacji, gdy aplikacja potrzebuje zwięzłej odpowiedzi, zestawu pól lub następnego żądania narzędzia zamiast obszernego badania. Przydatnym przykładem jest sortowanie przychodzących wiadomości według dostarczonego zestawu kategorii. Wyjaśnij każdą kategorię, pokaż sposób reprezentowania wiadomości niejednoznacznych lub spoza zakresu i poproś o kategorię wraz ze źródłową frazą, która ją uzasadnia. Przy wyodrębnianiu danych zdefiniuj nazwy pól, dopuszczalne wartości i sposób obsługi brakujących informacji. Przy krótkim zadaniu pisarskim podaj fakty i poproś o konkretny fragment potrzebny w następnym etapie aplikacji. Przykłady i ograniczenia powinny być na tyle niewielkie, aby pozostały jasne nawet przy dużym zbiorze źródeł. Producent podaje okno kontekstu 1 047 576 tokenów, maksymalny wynik 32 768 tokenów i datę graniczną wiedzy 1 czerwca 2024 roku. Parametry te odpowiadają oknu GPT-4.1 Mini, zachowując odrębną tożsamość Nano i jego rolę nastawioną na szybkie reagowanie. Oznacz dokumenty i sekcje rozmowy, dołącz tylko kontekst istotny dla operacji i zostaw miejsce na kompletną odpowiedź. Wyniki wyszukiwania lub dostarczony tekst referencyjny mogą przekazać fakty nowsze niż wiedza wyuczona przez model. Nano obsługuje strumieniowanie i Structured Outputs. Końcowa odpowiedź ograniczona schematem służy innemu celowi niż wywołanie funkcji: pierwsza daje aplikacji ukończony materiał, drugie prosi ją o wykonanie operacji. Structured Outputs obsługuje podzbiór JSON Schema; zdefiniuj wymagane właściwości i jednoznaczny sposób reprezentowania nieznanych wartości. Osobno obsługuj odmowy i niekompletne odpowiedzi, a wyodrębnione wartości sprawdzaj względem wejścia, zamiast utożsamiać poprawną postać z poprawnym wnioskiem. Udokumentowany zestaw narzędzi obejmuje wywoływanie funkcji, wyszukiwanie w plikach, wykonywanie kodu, połączenia MCP i osobne narzędzie generowania obrazów. Aplikacja dostarcza opisy i schematy narzędzi, wykonuje niestandardowe funkcje i zwraca ich rzeczywiste wyniki. Dla wersji Nano z 14 kwietnia 2025 roku OpenAI wyraźnie zaleca wyłączenie równoległych wywołań narzędzi, ponieważ model może zażądać tego samego narzędzia kilka razy w jednej turze. To kwestia wykonania dotycząca konkretnej wersji, a nie powód do interpretowania kilku proponowanych wywołań jako ukończonych działań. Wejście obrazowe dodaje dowody wizualne do zadania tekstowego, na przykład odczytanie widocznej etykiety lub opis stanu na zrzucie ekranu. Korzystaj z obsługiwanych obrazów PNG, JPEG, WebP lub nieanimowanych GIF, zachowaj czytelność tekstu i wyjaśnij istotną obserwację. Przewodnik analizy obrazu wskazuje trudności z małym lub obróconym tekstem, precyzyjnymi relacjami przestrzennymi, liczeniem obiektów i częścią pism innych niż łacińskie. Dodaj otaczający kontekst, gdy sam wycinek czyniłby etykietę lub diagram niejednoznacznym. Własna odpowiedź Nano jest tekstowa; narzędzie generowania obrazów zwraca osobny materiał. W udokumentowanym procesie analizy obrazu OpenAI całkowity rozmiar danych żądania jest ograniczony do 512 MB, a żądanie może zawierać do 1 500 obrazów; obrazy i tekst muszą również zmieścić się w kontekście modelu. W procesie plikowym producenta model analizujący obraz otrzymuje zarówno wyodrębniony tekst, jak i obrazy stron z PDF. Inne formaty dokumentów dostarczają wyodrębniony tekst, a uzupełnianie danych z arkuszy uwzględnia do pierwszych 1 000 wierszy na arkusz. Plik musi mieć mniej niż 50 MB, a łączny limit plików w żądaniu wynosi 50 MB. Chat Completions obsługuje części plikowe PDF, podczas gdy udokumentowany proces Responses przyjmuje dodatkowe typy plików. Wykresy osadzone w dokumentach innych niż PDF nie są przekazywane jako treść obrazowa, więc reprezentacja PDF jest przydatna, gdy dowody wizualne mają znaczenie. OpenAI dokumentuje buforowanie promptów dla Nano i Predicted Outputs dla serii GPT-4.1 Nano. Buforowanie promptów ponownie wykorzystuje kwalifikujący się prefiks wejścia w usłudze producenta. Predicted Outputs zamiast tego dostarcza w dużej mierze znany tekst wynikowy do edycji, na przykład poprawienia dokumentu lub pliku kodu z zachowaniem niezmienionych części. Ścieżka przewidywania jest wyłącznie tekstowa i wyklucza między innymi wywoływanie funkcji, logprobs i max\_completion\_tokens. Dobierz ścieżkę do rzeczywistej operacji i powiąż jej wynik z oryginalnym źródłem. Producent dokumentuje również nadzorowane dostrajanie i bezpośrednią optymalizację preferencji dla nazwanej wersji GPT-4.1 Nano. Przykłady treningowe oraz odpowiedzi preferowane i odrzucane dostosowują model do powtarzalnego zadania; są odrębne od kontekstu podanego w zwykłym żądaniu. Przy praktycznym etapie wyodrębniania lub klasyfikowania zacznij od jasnych kategorii, przykładów i jawnego formatu końcowego, a następnie sprawdź, czy zwrócone pola zachowują fakty potrzebne w kolejnym etapie. **Ailoot Ultra · Batch** `POST /v1/batches` `openai/gpt-4.1-nano:batch` [`openai/gpt-4.1-nano:batch`](https://ailoot.ai/models/pl/#m=openai%2Fgpt-4.1-nano%3Abatch&route=Ultra&caller=openai%2Fgpt-4.1-nano%3Abatch&fmt=batches) OpenAI /`openai/gpt-4.1-nano:batch` ### Start GPT-4.1 Nano to niewielki, szybko reagujący model z rodziny GPT-4.1 do precyzyjnie opisanych zadań tekstowych i obrazowych. Duży kontekst, Structured Outputs i wywoływanie funkcji wspierają klasyfikację, wyodrębnianie danych i ściśle określone kroki aplikacji. Akceptowane dane wejściowe Tekst Wyniki Tekst ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Batch** `POST /v1/batches` Wejście `text` Wyjście `text` Format wyjściowy JSON bezpośrednio w results\[\].response.body | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`endpoint` | Typ`string` | WymaganieWymagane | Wartości i limity /v1/chat/completions | Domyślnie— | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity openai/gpt-4.1-nano:batch | Domyślnie— | | Pole`requests` | Typ`batch_item[]` | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— | | Pole`requests[].custom_id` | Typ`string` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`requests[].body.messages` | Typ`message[]` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`completion_window` | Typ`string` | WymaganieOpcjonalne | Wartości i limity 24h | Domyślnie— | | Pole`provider` | Typ`object\|null` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`requests[].body.model` | Typ`string` | WymaganieOpcjonalne | Wartości i limity openai/gpt-4.1-nano:batch, openai/gpt-4.1-nano | Domyślnie— | | Pole`provider.only` | Typ`string[]` | WymaganieOpcjonalne | Wartości i limity openai | Domyślnie— | | Pole`provider.allow_fallbacks` | Typ`boolean\|null` | WymaganieOpcjonalne | Wartości i limity false, null | Domyślnie— | Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktendpoint, model, requests | | Parametr`material_types` | Kontrakttext | | Parametr`representation` | Kontraktrequests\[\] bezpośrednio w żądaniu; każdy element zawiera custom\_id i body | | Parametr`request_endpoint_profile` | Kontrakt/v1/chat/completions | | Parametr`file_material` | KontraktWywołujący może lokalnie wczytać rzeczywisty plik JSONL w kodowaniu UTF-8 do requests\[\]. Nie używa się przeznaczenia przesyłanego pliku, input\_file\_id ani odwołania do pliku. Brak materiałów klienta lub ich pusta zawartość zatrzymują przygotowanie przed POST. | | Parametr`serialization_order` | Kontraktendpoint, model, provider (jeśli podano), completion\_window (jeśli podano), requests na końcu | | Parametr`optional_controls` | Kontraktprovider.only, provider.allow\_fallbacks, completion\_window | | Parametr`schema_scope` | KontraktTreści żądań tekstowych Chat Completions w udokumentowanej strukturze Batch z danymi bezpośrednio w żądaniu. | Cykl życia: `asynchronous` `GET /v1/batches/{operation_id}` · Rzeczywista wartość response.id zwrócona przy pierwotnym utworzeniu; ten sam użytkownik, klucz i grupa ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) Wycena jawnej pamięci podręcznej Niewłączone Gdy zażądano jawnej pamięci podręcznej #### Stawki Ailoot #### Ceny według konfiguracji Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji. | Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata | | --- | --- | --- | --- | --- | | KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe **$0.0001** / 1K tokenów Wyjście · Tokeny wyjściowe **$0.0004** / 1K tokenów Wejście · Odczyt cache **$0.000025** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | | KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe **$0.0001** / 1K tokenów Wyjście · Tokeny wyjściowe **$0.0004** / 1K tokenów Wejście · Odczyt cache **$0.000025** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Batch curl · zachowany zestaw danych testowychPython HTTP · rzeczywisty JSONL klientaPython · zapisz każdy ukończony wynik ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json from pathlib import Path body=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-4.1-nano:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}') Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8") PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json ``` ```python import json, os from pathlib import Path from urllib.request import Request, urlopen def prepare_requests(customer_path): path = Path(customer_path) if not path.is_file(): raise ValueError("Customer JSONL file is missing") items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()] if not items: raise ValueError("Customer JSONL contains no requests") ids = set() for item in items: if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body") cid = item["custom_id"] if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique") ids.add(cid) if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages") supplied_model = item["body"].get("model") if supplied_model is not None and supplied_model not in ['openai/gpt-4.1-nano:batch', 'openai/gpt-4.1-nano']: raise ValueError("body.model must be an exact documented caller or wire ID") return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4.1-nano:batch", "requests":items} if __name__ == "__main__": material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "") if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file") body = prepare_requests(material) key = os.environ.get("AILOOT_API_KEY", "") if not key: raise SystemExit("Set AILOOT_API_KEY") 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") with urlopen(request) as response: raw = response.read() Path("batch-create-response.json").write_bytes(raw) print(raw.decode("utf-8")) ``` ```python import json from pathlib import Path raw = Path("batch-status-response.json").read_bytes() response = json.loads(raw) if response.get("status") != "completed": raise SystemExit("Keep the original operation; read its status without resubmitting") results = response.get("results") if not isinstance(results, list) or not results: raise SystemExit("Preserve the original response; completed results are missing") Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8") # Preserve batch-status-response.json with aggregate usage and every result/error. ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Batch JSON bezpośrednio w results\[\].response.body - `GET /v1/batches/{operation_id}` ##### Sprawdź status zadania curl · status pierwotnej operacji ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" BATCH_OPERATION_ID="$(python3 - <<'PY_ID' import json from pathlib import Path from urllib.parse import quote response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8")) operation = response.get("id") if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit") print(quote(operation, safe="")) PY_ID )" curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \ -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json ``` ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj pełny pierwotny JSON stanu, każdy wynik i custom\_id oraz pełną treść odpowiedzi lub błędu. Zapisz ukończone wyniki z results\[\] jako JSONL bez filtrowania. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj pierwotny identyfikator operacji. Odpowiedź 503 result\_pending\_check zawiera X-Should-Retry:false; nigdy nie wysyłaj ponownie pierwotnego żądania Batch, którego wynik jest nieznany. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`results[].custom_id` | Typstring | | Pole`results[].response.body.choices[].message.content` | Typstring\|null | | Pole`results[].error` | Typobject\|null | | Pole`usage` | Typobject\|null | | Pole`id` | Typstring | | Pole`model` | Typstring | | Pole`endpoint` | Typstring | | Pole`status` | Typstring | | Pole`request_counts` | Typobject | | Pole`results[].id` | Typstring | | Pole`results[].response.status_code` | Typinteger | | Pole`results[].response.request_id` | Typstring | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowa udokumentowana struktura z danymi bezpośrednio w żądaniu, zduplikowane klucze, problem z tożsamością elementu lub konflikt ze skonfigurowanymi możliwościami modelu. | Następny krokPopraw wskazane pola przed wysłaniem jakiegokolwiek nowego żądania. | | Odpowiedź401 · `authentication_error` | WarunekNieprawidłowy klucz API. | Następny krokUżyj autoryzowanego klucza Ailoot. | | Odpowiedź403 · `permission_error` | WarunekGrupa Batch jest niedostępna. | Następny krokSprawdź uprawnienia klucza i grupy. | | Odpowiedź422 · `invalid_request_error` | WarunekBatch korzysta z rozliczania z salda; utworzenie w ramach subskrypcji jest odrzucane. | Następny krokUżyj autoryzowanej grupy rozliczanej z salda. | | Odpowiedź422 · `price_unavailable` | WarunekNie można wycenić danych wejściowych Batch. | Następny krokZachowaj odpowiedź; użyj danych wejściowych udokumentowanych dla tej rodziny API. | | Odpowiedź402 · `billing_error` | WarunekRezerwa dla Batch jest niedostępna. | Następny krokRozwiąż problem dopuszczenia żądania przed wysłaniem nowego. | | Odpowiedź503 · `price_unavailable` | WarunekCena metody Batch lub stawki natywne są niedostępne. | Następny krokZachowaj odpowiedź; nie zastępuj cen innymi. | | Odpowiedź503 · `api_error` | WarunekDokładna trasa dostawcy jest niedostępna. | Następny krokZachowaj odpowiedź na potrzeby naprawy trasy. | | Odpowiedź503 · `result_pending_check` | WarunekPierwotny wynik wymaga sprawdzenia; X-Should-Retry:false. | Następny krokZachowaj pierwotny operation\_id/id i odczytuj stan operacji; nigdy nie powtarzaj pierwotnego POST. | | Odpowiedź404 · `not_found` | WarunekOperacja sprawdzania stanu Batch nie istnieje lub należy do innej tożsamości. | Następny krokUżyj dokładnego pierwotnego id oraz tego samego użytkownika, klucza i grupy. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`openai/gpt-4.1-nano:batch`](https://ailoot.ai/models/pl/#m=openai%2Fgpt-4.1-nano%3Abatch&route=Ultra&caller=openai%2Fgpt-4.1-nano%3Abatch&fmt=batches) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`openai/gpt-4.1-nano:batch`](https://ailoot.ai/models/pl/#m=openai%2Fgpt-4.1-nano%3Abatch&route=Ultra&caller=openai%2Fgpt-4.1-nano%3Abatch&fmt=batches) FAQ · OpenAI: GPT-4.1 Nano (batch) Jakie dane wejściowe i wyniki są dostępne? `POST /v1/batches` · `openai/gpt-4.1-nano:batch`: `text` → `text` Jakich pól używa żądanie? `POST /v1/batches` · `openai/gpt-4.1-nano:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider` Jakie limity obowiązują? `POST /v1/batches` · `openai/gpt-4.1-nano:batch`: `requests.min_items`: `1` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.