GPT-4.1 to model OpenAI bez osobnego etapu rozumowania, przeznaczony do wykonywania instrukcji i wywoływania narzędzi, z szeroką wiedzą z różnych dziedzin. Przyjmuje tekst i obrazy, a zwraca tekst bez wydzielonego kroku rozumowania. Duży kontekst jest przydatny, gdy zadanie jest jasno określone, ale odpowiedni materiał obejmuje obszerne dokumenty lub kod. Wskaż żądaną operację, materiał źródłowy, którego dotyczy, i formę końcowego wyniku.
Przy przetwarzaniu dokumentów oddziel instrukcje od materiału nagłówkami lub innymi wyraźnymi granicami. Oznacz dokumenty i zachowaj identyfikatory, do których odpowiedź ma się odwoływać. Zdefiniuj pola do wyodrębnienia, kryteria porównania lub odbiorców i długość przeredagowanej treści. Przykładowym wynikiem może być tabela wymagań z miejscami w źródle, streszczenie uporządkowane według określonego zestawu pytań lub rekord strukturalny odróżniający brak informacji od jawnej wartości.
Przy programowaniu podaj odpowiednie pliki, żądaną zmianę i zachowanie, które musi pozostać nienaruszone. Poproś o rzeczywiście potrzebny materiał: poprawioną funkcję, kompletny plik, proponowane argumenty narzędzia lub objaśnienie zmienianej logiki. Przykłady mogą wyjaśnić regułę formatowania lub przypadek brzegowy, ale powinny spełniać te same wymagania co rzeczywiste zadanie. Wskazówki OpenAI dotyczące promptów podkreślają bezpośrednie instrukcje, role, granice źródeł i reprezentatywne przykłady, zamiast założenia, że długi prompt jest automatycznie precyzyjny.
Dokładna specyfikacja GPT-4.1 podaje okno kontekstu 1 047 576 tokenów, maksymalny wynik 32 768 tokenów i datę graniczną wiedzy 1 czerwca 2024 roku. Duży kontekst wejściowy nie oznacza równie dużego wyniku, dlatego żądanie przeredagowania obszernego materiału powinno wskazywać potrzebną część i końcowy materiał. Zostaw wystarczająco dużo miejsca na odpowiedź i dostarcz bieżące informacje, jeśli zadanie zależy od faktów późniejszych niż data graniczna. Udokumentowany typ modelu GPT-4.1 to chat; ustawienia nakładu na rozumowanie z nowszych modeli rozumujących nie należą do tego profilu.
OpenAI dokumentuje interfejsy Chat Completions, Responses, Assistants, Batch i dostrajania dla GPT-4.1. Wymienione funkcje obejmują strumieniowanie, Structured Outputs, wywoływanie funkcji, przesyłanie plików, wejście obrazowe, wyszukiwanie w sieci i plikach, dostrajanie i buforowanie promptów. Narzędzia obejmują wykonywanie kodu, generowanie obrazów i połączenia MCP, a także wyszukiwanie i funkcje. Własnym wynikiem modelu jest tekst, natomiast narzędzie może zwrócić osobny materiał lub obserwację. Zdefiniuj cel i argumenty operacji aplikacji i wykorzystaj jej rzeczywiście zwrócony wynik; żądanie wygenerowane przez model nie potwierdza ukończenia operacji zewnętrznej.
Charakterystyczną funkcją jest Predicted Outputs w interfejsie Chat Completions firmy OpenAI. Gdy większość pożądanego tekstu lub kodu jest już znana, istniejącą treść można podać jako przewidywanie, aby pomóc ponownie wygenerować kompletny wynik z małą zmianą. Na przykład podaj bieżący plik i poproś o precyzyjnie określoną zmianę nazwy właściwości z zachowaniem otaczającego kodu. Przewidywanie jest oczekiwaną treścią wyniku, a nie instrukcją ani gwarancją, że niezmienione części pozostaną poprawne. Sprawdź ponownie wygenerowany materiał względem żądanej modyfikacji i oryginalnego źródła.
Predicted Outputs ma własne ograniczenia zgodności. OpenAI dokumentuje zastosowanie wyłącznie tekstowe, bez wejść lub wyjść dźwiękowych i bez wywoływania funkcji w tym żądaniu. Nie obsługuje wielu wariantów z n większym niż 1, logarytmów prawdopodobieństwa, dodatnich kar presence lub frequency ani parametru max_completion_tokens. Oddziel ten proces ponownego generowania od zadania wymagającego wywołań narzędzi. Tekst przewidywania może odpowiadać częściom wyniku, a producent raportuje przyjęte i odrzucone tokeny przewidywania; nieodpowiednie przewidywanie może zostać częściowo niewykorzystane, więc funkcja nie gwarantuje konkretnego przyspieszenia ani rezultatu.
W zwykłych zadaniach wykonywania instrukcji przydatnym wynikiem GPT-4.1 jest dokument lub kod zgodny z określonym kontraktem, wyodrębnione dane z jawnymi polami albo żądanie narzędzia, którego argumenty pasują do dostarczonej operacji. Przy małej zmianie w pliku pozostającym w większości bez zmian proces przewidywanego wyniku daje bardziej konkretny sposób przygotowania oczekiwanego rezultatu. W obu przypadkach zachowaj materiał źródłowy potrzebny do sprawdzenia odpowiedzi i jawnie przedstaw niejednoznaczności. Pojemność kontekstu modelu i narzędzia wspierają proces; opis zadania nadal określa zawartość kompletnej, użytecznej odpowiedzi.
", "aboutText": "GPT-4.1 to model OpenAI bez osobnego etapu rozumowania, przeznaczony do wykonywania instrukcji i wywoływania narzędzi, z szeroką wiedzą z różnych dziedzin. Przyjmuje tekst i obrazy, a zwraca tekst bez wydzielonego kroku rozumowania. Duży kontekst jest przydatny, gdy zadanie jest jasno określone, ale odpowiedni materiał obejmuje obszerne dokumenty lub kod. Wskaż żądaną operację, materiał źródłowy, którego dotyczy, i formę końcowego wyniku.\n\nPrzy przetwarzaniu dokumentów oddziel instrukcje od materiału nagłówkami lub innymi wyraźnymi granicami. Oznacz dokumenty i zachowaj identyfikatory, do których odpowiedź ma się odwoływać. Zdefiniuj pola do wyodrębnienia, kryteria porównania lub odbiorców i długość przeredagowanej treści. Przykładowym wynikiem może być tabela wymagań z miejscami w źródle, streszczenie uporządkowane według określonego zestawu pytań lub rekord strukturalny odróżniający brak informacji od jawnej wartości.\n\nPrzy programowaniu podaj odpowiednie pliki, żądaną zmianę i zachowanie, które musi pozostać nienaruszone. Poproś o rzeczywiście potrzebny materiał: poprawioną funkcję, kompletny plik, proponowane argumenty narzędzia lub objaśnienie zmienianej logiki. Przykłady mogą wyjaśnić regułę formatowania lub przypadek brzegowy, ale powinny spełniać te same wymagania co rzeczywiste zadanie. Wskazówki OpenAI dotyczące promptów podkreślają bezpośrednie instrukcje, role, granice źródeł i reprezentatywne przykłady, zamiast założenia, że długi prompt jest automatycznie precyzyjny.\n\nDokładna specyfikacja GPT-4.1 podaje okno kontekstu 1 047 576 tokenów, maksymalny wynik 32 768 tokenów i datę graniczną wiedzy 1 czerwca 2024 roku. Duży kontekst wejściowy nie oznacza równie dużego wyniku, dlatego żądanie przeredagowania obszernego materiału powinno wskazywać potrzebną część i końcowy materiał. Zostaw wystarczająco dużo miejsca na odpowiedź i dostarcz bieżące informacje, jeśli zadanie zależy od faktów późniejszych niż data graniczna. Udokumentowany typ modelu GPT-4.1 to chat; ustawienia nakładu na rozumowanie z nowszych modeli rozumujących nie należą do tego profilu.\n\nOpenAI dokumentuje interfejsy Chat Completions, Responses, Assistants, Batch i dostrajania dla GPT-4.1. Wymienione funkcje obejmują strumieniowanie, Structured Outputs, wywoływanie funkcji, przesyłanie plików, wejście obrazowe, wyszukiwanie w sieci i plikach, dostrajanie i buforowanie promptów. Narzędzia obejmują wykonywanie kodu, generowanie obrazów i połączenia MCP, a także wyszukiwanie i funkcje. Własnym wynikiem modelu jest tekst, natomiast narzędzie może zwrócić osobny materiał lub obserwację. Zdefiniuj cel i argumenty operacji aplikacji i wykorzystaj jej rzeczywiście zwrócony wynik; żądanie wygenerowane przez model nie potwierdza ukończenia operacji zewnętrznej.\n\nCharakterystyczną funkcją jest Predicted Outputs w interfejsie Chat Completions firmy OpenAI. Gdy większość pożądanego tekstu lub kodu jest już znana, istniejącą treść można podać jako przewidywanie, aby pomóc ponownie wygenerować kompletny wynik z małą zmianą. Na przykład podaj bieżący plik i poproś o precyzyjnie określoną zmianę nazwy właściwości z zachowaniem otaczającego kodu. Przewidywanie jest oczekiwaną treścią wyniku, a nie instrukcją ani gwarancją, że niezmienione części pozostaną poprawne. Sprawdź ponownie wygenerowany materiał względem żądanej modyfikacji i oryginalnego źródła.\n\nPredicted Outputs ma własne ograniczenia zgodności. OpenAI dokumentuje zastosowanie wyłącznie tekstowe, bez wejść lub wyjść dźwiękowych i bez wywoływania funkcji w tym żądaniu. Nie obsługuje wielu wariantów z n większym niż 1, logarytmów prawdopodobieństwa, dodatnich kar presence lub frequency ani parametru max_completion_tokens. Oddziel ten proces ponownego generowania od zadania wymagającego wywołań narzędzi. Tekst przewidywania może odpowiadać częściom wyniku, a producent raportuje przyjęte i odrzucone tokeny przewidywania; nieodpowiednie przewidywanie może zostać częściowo niewykorzystane, więc funkcja nie gwarantuje konkretnego przyspieszenia ani rezultatu.\n\nW zwykłych zadaniach wykonywania instrukcji przydatnym wynikiem GPT-4.1 jest dokument lub kod zgodny z określonym kontraktem, wyodrębnione dane z jawnymi polami albo żądanie narzędzia, którego argumenty pasują do dostarczonej operacji. Przy małej zmianie w pliku pozostającym w większości bez zmian proces przewidywanego wyniku daje bardziej konkretny sposób przygotowania oczekiwanego rezultatu. W obu przypadkach zachowaj materiał źródłowy potrzebny do sprawdzenia odpowiedzi i jawnie przedstaw niejednoznaczności. Pojemność kontekstu modelu i narzędzia wspierają proces; opis zadania nadal określa zawartość kompletnej, użytecznej odpowiedzi.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c5460b21685e98323c25649cb994953bc64f425cea307ccbd2517ee535309c02", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "openai/gpt-4.1:batchOpenAI GPT-4.1 to model bez osobnego etapu rozumowania, przeznaczony do precyzyjnego wykonywania instrukcji, programowania i wywoływania narzędzi. Przyjmuje tekst i obrazy, a zwraca tekst; oferuje duży kontekst, Structured Outputs i Predicted Outputs do ponownego generowania tekstu lub kodu w większości bez zmian.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-4.1 to model OpenAI bez osobnego etapu rozumowania, przeznaczony do wykonywania instrukcji i wywoływania narzędzi, z szeroką wiedzą z różnych dziedzin. Przyjmuje tekst i obrazy, a zwraca tekst bez wydzielonego kroku rozumowania. Duży kontekst jest przydatny, gdy zadanie jest jasno określone, ale odpowiedni materiał obejmuje obszerne dokumenty lub kod. Wskaż żądaną operację, materiał źródłowy, którego dotyczy, i formę końcowego wyniku.
Przy przetwarzaniu dokumentów oddziel instrukcje od materiału nagłówkami lub innymi wyraźnymi granicami. Oznacz dokumenty i zachowaj identyfikatory, do których odpowiedź ma się odwoływać. Zdefiniuj pola do wyodrębnienia, kryteria porównania lub odbiorców i długość przeredagowanej treści. Przykładowym wynikiem może być tabela wymagań z miejscami w źródle, streszczenie uporządkowane według określonego zestawu pytań lub rekord strukturalny odróżniający brak informacji od jawnej wartości.
Przy programowaniu podaj odpowiednie pliki, żądaną zmianę i zachowanie, które musi pozostać nienaruszone. Poproś o rzeczywiście potrzebny materiał: poprawioną funkcję, kompletny plik, proponowane argumenty narzędzia lub objaśnienie zmienianej logiki. Przykłady mogą wyjaśnić regułę formatowania lub przypadek brzegowy, ale powinny spełniać te same wymagania co rzeczywiste zadanie. Wskazówki OpenAI dotyczące promptów podkreślają bezpośrednie instrukcje, role, granice źródeł i reprezentatywne przykłady, zamiast założenia, że długi prompt jest automatycznie precyzyjny.
Dokładna specyfikacja GPT-4.1 podaje okno kontekstu 1 047 576 tokenów, maksymalny wynik 32 768 tokenów i datę graniczną wiedzy 1 czerwca 2024 roku. Duży kontekst wejściowy nie oznacza równie dużego wyniku, dlatego żądanie przeredagowania obszernego materiału powinno wskazywać potrzebną część i końcowy materiał. Zostaw wystarczająco dużo miejsca na odpowiedź i dostarcz bieżące informacje, jeśli zadanie zależy od faktów późniejszych niż data graniczna. Udokumentowany typ modelu GPT-4.1 to chat; ustawienia nakładu na rozumowanie z nowszych modeli rozumujących nie należą do tego profilu.
OpenAI dokumentuje interfejsy Chat Completions, Responses, Assistants, Batch i dostrajania dla GPT-4.1. Wymienione funkcje obejmują strumieniowanie, Structured Outputs, wywoływanie funkcji, przesyłanie plików, wejście obrazowe, wyszukiwanie w sieci i plikach, dostrajanie i buforowanie promptów. Narzędzia obejmują wykonywanie kodu, generowanie obrazów i połączenia MCP, a także wyszukiwanie i funkcje. Własnym wynikiem modelu jest tekst, natomiast narzędzie może zwrócić osobny materiał lub obserwację. Zdefiniuj cel i argumenty operacji aplikacji i wykorzystaj jej rzeczywiście zwrócony wynik; żądanie wygenerowane przez model nie potwierdza ukończenia operacji zewnętrznej.
Charakterystyczną funkcją jest Predicted Outputs w interfejsie Chat Completions firmy OpenAI. Gdy większość pożądanego tekstu lub kodu jest już znana, istniejącą treść można podać jako przewidywanie, aby pomóc ponownie wygenerować kompletny wynik z małą zmianą. Na przykład podaj bieżący plik i poproś o precyzyjnie określoną zmianę nazwy właściwości z zachowaniem otaczającego kodu. Przewidywanie jest oczekiwaną treścią wyniku, a nie instrukcją ani gwarancją, że niezmienione części pozostaną poprawne. Sprawdź ponownie wygenerowany materiał względem żądanej modyfikacji i oryginalnego źródła.
Predicted Outputs ma własne ograniczenia zgodności. OpenAI dokumentuje zastosowanie wyłącznie tekstowe, bez wejść lub wyjść dźwiękowych i bez wywoływania funkcji w tym żądaniu. Nie obsługuje wielu wariantów z n większym niż 1, logarytmów prawdopodobieństwa, dodatnich kar presence lub frequency ani parametru max_completion_tokens. Oddziel ten proces ponownego generowania od zadania wymagającego wywołań narzędzi. Tekst przewidywania może odpowiadać częściom wyniku, a producent raportuje przyjęte i odrzucone tokeny przewidywania; nieodpowiednie przewidywanie może zostać częściowo niewykorzystane, więc funkcja nie gwarantuje konkretnego przyspieszenia ani rezultatu.
W zwykłych zadaniach wykonywania instrukcji przydatnym wynikiem GPT-4.1 jest dokument lub kod zgodny z określonym kontraktem, wyodrębnione dane z jawnymi polami albo żądanie narzędzia, którego argumenty pasują do dostarczonej operacji. Przy małej zmianie w pliku pozostającym w większości bez zmian proces przewidywanego wyniku daje bardziej konkretny sposób przygotowania oczekiwanego rezultatu. W obu przypadkach zachowaj materiał źródłowy potrzebny do sprawdzenia odpowiedzi i jawnie przedstaw niejednoznaczności. Pojemność kontekstu modelu i narzędzia wspierają proces; opis zadania nadal określa zawartość kompletnej, użytecznej odpowiedzi.
POST /v1/batchestexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Poleendpoint | Typstring | WymaganieWymagane | Wartości i limity /v1/chat/completions | Domyślnie— |
Polemodel | Typstring | WymaganieWymagane | Wartości i limity openai/gpt-4.1:batch | Domyślnie— |
Polerequests | Typbatch_item[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polerequests[].custom_id | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polerequests[].body.messages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polecompletion_window | Typstring | WymaganieOpcjonalne | Wartości i limity 24h | Domyślnie— |
Poleprovider | Typobject|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polerequests[].body.model | Typstring | WymaganieOpcjonalne | Wartości i limity openai/gpt-4.1:batch, openai/gpt-4.1 | Domyślnie— |
Poleprovider.only | Typstring[] | WymaganieOpcjonalne | Wartości i limity openai | Domyślnie— |
Poleprovider.allow_fallbacks | Typboolean|null | WymaganieOpcjonalne | Wartości i limity false, null | Domyślnie— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktendpoint, model, requests |
Parametrmaterial_types | Kontrakttext |
Parametrrepresentation | Kontraktrequests[] bezpośrednio w żądaniu; każdy element zawiera custom_id i body |
Parametrrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parametrfile_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. |
Parametrserialization_order | Kontraktendpoint, model, provider (jeśli podano), completion_window (jeśli podano), requests na końcu |
Parametroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parametrschema_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
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
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 $0.002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.008 / 1K tokenów Wejście · Odczyt cache $0.0005 / 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 $0.002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.008 / 1K tokenów Wejście · Odczyt cache $0.0005 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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-4.1: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-4.1:batch', 'openai/gpt-4.1']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4.1: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 bezpośrednio w 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\nZachowaj 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.
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.
| Pole | Typ |
|---|---|
Poleresults[].custom_id | Typstring |
Poleresults[].response.body.choices[].message.content | Typstring|null |
Poleresults[].error | Typobject|null |
Poleusage | Typobject|null |
Poleid | Typstring |
Polemodel | Typstring |
Poleendpoint | Typstring |
Polestatus | Typstring |
Polerequest_counts | Typobject |
Poleresults[].id | Typstring |
Poleresults[].response.status_code | Typinteger |
Poleresults[].response.request_id | Typstring |
| 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. |
Ailoot Ultra openai/gpt-4.1:batch
Użyj ścieżek metod podanych powyżej.