GPT-4o to wszechstronny model GPT firmy OpenAI do rozumienia tekstu i obrazów, pisania i pracy z aplikacjami. Litera „o” oznacza „omni”, natomiast ten udokumentowany model przyjmuje tekst i obrazy, a zwraca tekst, w tym Structured Outputs. Praktyczna prośba może łączyć pisemny opis zadania ze zdjęciami, zrzutami ekranu lub stronami dokumentu i wymagać jasnego wyjaśnienia, zredagowanego materiału lub określonych pól do następnego etapu aplikacji.
Dla raportu dostarcz dokumenty źródłowe i określ decyzję, którą raport ma wspierać. Wskaż istotne daty, jednostki i oznaczenia dowodów, a następnie poproś o porównanie oddzielające obserwacje, założenia i brakujące informacje. W zadaniu wizualnym wskaż ważny obiekt, wykres lub stan interfejsu i dołącz otaczający kontekst. Przy zmianie kodu dostarcz kod, którego dotyczy zadanie, pożądane zachowanie i ograniczenia, które muszą pozostać zachowane. Są to konkretne sposoby wykorzystania możliwości tekstowych i obrazowych modelu bez liczenia, że sam prompt zasugeruje całe zadanie.
Aktualny profil GPT-4o firmy OpenAI podaje okno kontekstu o wielkości 128 000 tokenów, maksymalny limit wyjścia 16 384 tokenów i datę graniczną wiedzy 1 października 2023 r. Producent wymienia osobno kilka migawek GPT-4o z oznaczonymi datami. Rozmowa, materiały wejściowe i wygenerowana odpowiedź współdzielą budżet kontekstu, dlatego duży zbiór dokumentów nadal wymaga uporządkowania i miejsca na wynik końcowy. Fakty zmienne lub pochodzące z prywatnego systemu należy dostarczyć bezpośrednio lub uzyskać przez jawnie skonfigurowane narzędzie.
Przewodnik po analizie obrazów dopuszcza PNG, JPEG, WebP i nieanimowany GIF. GPT-4o obsługuje szczegółowość obrazu low, high i auto; high i auto wykorzystują przetwarzanie oparte na kafelkach. Powiększ małe etykiety, zadbaj o prawidłową orientację tekstu i nie pomijaj legendy ani otaczającego diagramu przy interpretacji wykresu. Udokumentowane ograniczenia obejmują precyzyjną lokalizację przestrzenną, przybliżone liczenie obiektów, niektóre pisma niełacińskie i widoki panoramiczne lub z obiektywu typu rybie oko. Model może również błędnie opisać obraz, dlatego zachowuj źródło i poproś o konkretne obserwacje uzasadniające interpretację. W udokumentowanym przez OpenAI procesie analizy obrazów łączny rozmiar danych żądania jest ograniczony do 512 MB, a żądanie może zawierać do 1 500 obrazów; obrazy i tekst muszą również mieścić się w kontekście modelu.
Proces wejścia plikowego OpenAI dostarcza modelowi z obsługą obrazów zarówno tekst wydobyty z PDF, jak i obrazy jego stron. Dokumenty biurowe inne niż PDF dostarczają wydobytego tekstu, a nie osadzonych w nich wykresów, natomiast arkusze są wzbogacane na podstawie maksymalnie pierwszych 1 000 wierszy na arkusz. Każdy plik musi mieć mniej niż 50 MB, z łącznym limitem 50 MB na żądanie. Chat Completions obsługuje części plikowe PDF; udokumentowany proces Responses przyjmuje dodatkowe formaty plików. Wybierz reprezentację PDF, gdy ważna jest wierność wizualna, i zachowuj widoczne identyfikatory źródeł w wyniku.
Strumieniowanie może zwracać odpowiedź w miarę jej generowania. Structured Outputs ogranicza ukończoną odpowiedź do obsługiwanego podzbioru JSON Schema, co jest użyteczne przy wydobywaniu danych z dokumentu lub tworzeniu obiektu aplikacji z określonymi polami. Tryb JSON dotyczy wyłącznie poprawności JSON. Określ oczekiwane typy, dozwolone wartości i sposób postępowania z brakującymi dowodami, a następnie obsługuj osobno jawne odmowy lub niekompletne odpowiedzi. Schemat nie dowodzi prawdziwości wartości, dlatego zamówione pola powinny pozostawać możliwe do powiązania z dostarczonym materiałem.
Producent obsługuje wywoływanie funkcji, wyszukiwanie w sieci i plikach, wykonywanie kodu i połączenia MCP. Funkcje niestandardowe wymagają znaczących opisów i schematów argumentów; aplikacja wykonuje zamówione działanie i zwraca jego wynik do następnego kroku modelu. GPT-4o może również kierować osobnym narzędziem generowania obrazów w skonfigurowanym procesie Responses. Obraz utworzony przez narzędzie jest odrębnym rezultatem, natomiast natywna udokumentowana odpowiedź GPT-4o to tekst. Końcowe wyjaśnienie agenta powinno korzystać z rzeczywistych pobranych lub obliczonych obserwacji, zamiast traktować proponowane wywołanie narzędzia jako wykonaną operację.
Predicted Outputs jest dostępne dla GPT-4o przy ponownym generowaniu w dużej mierze znanego tekstu lub kodu z niewielkimi zmianami. Dostarcz istniejącą treść i precyzyjną modyfikację, a następnie sprawdź zwrócony materiał. Ta ścieżka wyłącznie tekstowa nie łączy się z wywoływaniem funkcji i wyklucza logprobs, max_completion_tokens oraz kilka innych ustawień. Żądanie z narzędziami jest osobnym wyborem, gdy odpowiedź zależy od nowych informacji z operacji zewnętrznej.
OpenAI dokumentuje dotrenowanie GPT-4o, a przewodnik optymalizacji wskazuje konkretnie migawkę z 6 sierpnia 2024 r. do dotrenowania analizy obrazów na przykładach obrazowych. Ten proces dostosowania konkretnej migawki jest odrębny od zwykłego żądania do aliasu modelu. Przy codziennym pisaniu, analizie lub wydobywaniu danych zacznij od użytecznego opisu zadania i przykładu oczekiwanego wyjścia. Kolejne polecenie może wyjaśnić jeden brakujący fakt, zmienić pole lub dopracować ten sam materiał przy zachowaniu dowodów i ograniczeń zadania.
", "aboutText": "GPT-4o to wszechstronny model GPT firmy OpenAI do rozumienia tekstu i obrazów, pisania i pracy z aplikacjami. Litera „o” oznacza „omni”, natomiast ten udokumentowany model przyjmuje tekst i obrazy, a zwraca tekst, w tym Structured Outputs. Praktyczna prośba może łączyć pisemny opis zadania ze zdjęciami, zrzutami ekranu lub stronami dokumentu i wymagać jasnego wyjaśnienia, zredagowanego materiału lub określonych pól do następnego etapu aplikacji.\n\nDla raportu dostarcz dokumenty źródłowe i określ decyzję, którą raport ma wspierać. Wskaż istotne daty, jednostki i oznaczenia dowodów, a następnie poproś o porównanie oddzielające obserwacje, założenia i brakujące informacje. W zadaniu wizualnym wskaż ważny obiekt, wykres lub stan interfejsu i dołącz otaczający kontekst. Przy zmianie kodu dostarcz kod, którego dotyczy zadanie, pożądane zachowanie i ograniczenia, które muszą pozostać zachowane. Są to konkretne sposoby wykorzystania możliwości tekstowych i obrazowych modelu bez liczenia, że sam prompt zasugeruje całe zadanie.\n\nAktualny profil GPT-4o firmy OpenAI podaje okno kontekstu o wielkości 128 000 tokenów, maksymalny limit wyjścia 16 384 tokenów i datę graniczną wiedzy 1 października 2023 r. Producent wymienia osobno kilka migawek GPT-4o z oznaczonymi datami. Rozmowa, materiały wejściowe i wygenerowana odpowiedź współdzielą budżet kontekstu, dlatego duży zbiór dokumentów nadal wymaga uporządkowania i miejsca na wynik końcowy. Fakty zmienne lub pochodzące z prywatnego systemu należy dostarczyć bezpośrednio lub uzyskać przez jawnie skonfigurowane narzędzie.\n\nPrzewodnik po analizie obrazów dopuszcza PNG, JPEG, WebP i nieanimowany GIF. GPT-4o obsługuje szczegółowość obrazu low, high i auto; high i auto wykorzystują przetwarzanie oparte na kafelkach. Powiększ małe etykiety, zadbaj o prawidłową orientację tekstu i nie pomijaj legendy ani otaczającego diagramu przy interpretacji wykresu. Udokumentowane ograniczenia obejmują precyzyjną lokalizację przestrzenną, przybliżone liczenie obiektów, niektóre pisma niełacińskie i widoki panoramiczne lub z obiektywu typu rybie oko. Model może również błędnie opisać obraz, dlatego zachowuj źródło i poproś o konkretne obserwacje uzasadniające interpretację. W udokumentowanym przez OpenAI procesie analizy obrazów łączny rozmiar danych żądania jest ograniczony do 512 MB, a żądanie może zawierać do 1 500 obrazów; obrazy i tekst muszą również mieścić się w kontekście modelu.\n\nProces wejścia plikowego OpenAI dostarcza modelowi z obsługą obrazów zarówno tekst wydobyty z PDF, jak i obrazy jego stron. Dokumenty biurowe inne niż PDF dostarczają wydobytego tekstu, a nie osadzonych w nich wykresów, natomiast arkusze są wzbogacane na podstawie maksymalnie pierwszych 1 000 wierszy na arkusz. Każdy plik musi mieć mniej niż 50 MB, z łącznym limitem 50 MB na żądanie. Chat Completions obsługuje części plikowe PDF; udokumentowany proces Responses przyjmuje dodatkowe formaty plików. Wybierz reprezentację PDF, gdy ważna jest wierność wizualna, i zachowuj widoczne identyfikatory źródeł w wyniku.\n\nStrumieniowanie może zwracać odpowiedź w miarę jej generowania. Structured Outputs ogranicza ukończoną odpowiedź do obsługiwanego podzbioru JSON Schema, co jest użyteczne przy wydobywaniu danych z dokumentu lub tworzeniu obiektu aplikacji z określonymi polami. Tryb JSON dotyczy wyłącznie poprawności JSON. Określ oczekiwane typy, dozwolone wartości i sposób postępowania z brakującymi dowodami, a następnie obsługuj osobno jawne odmowy lub niekompletne odpowiedzi. Schemat nie dowodzi prawdziwości wartości, dlatego zamówione pola powinny pozostawać możliwe do powiązania z dostarczonym materiałem.\n\nProducent obsługuje wywoływanie funkcji, wyszukiwanie w sieci i plikach, wykonywanie kodu i połączenia MCP. Funkcje niestandardowe wymagają znaczących opisów i schematów argumentów; aplikacja wykonuje zamówione działanie i zwraca jego wynik do następnego kroku modelu. GPT-4o może również kierować osobnym narzędziem generowania obrazów w skonfigurowanym procesie Responses. Obraz utworzony przez narzędzie jest odrębnym rezultatem, natomiast natywna udokumentowana odpowiedź GPT-4o to tekst. Końcowe wyjaśnienie agenta powinno korzystać z rzeczywistych pobranych lub obliczonych obserwacji, zamiast traktować proponowane wywołanie narzędzia jako wykonaną operację.\n\nPredicted Outputs jest dostępne dla GPT-4o przy ponownym generowaniu w dużej mierze znanego tekstu lub kodu z niewielkimi zmianami. Dostarcz istniejącą treść i precyzyjną modyfikację, a następnie sprawdź zwrócony materiał. Ta ścieżka wyłącznie tekstowa nie łączy się z wywoływaniem funkcji i wyklucza logprobs, max_completion_tokens oraz kilka innych ustawień. Żądanie z narzędziami jest osobnym wyborem, gdy odpowiedź zależy od nowych informacji z operacji zewnętrznej.\n\nOpenAI dokumentuje dotrenowanie GPT-4o, a przewodnik optymalizacji wskazuje konkretnie migawkę z 6 sierpnia 2024 r. do dotrenowania analizy obrazów na przykładach obrazowych. Ten proces dostosowania konkretnej migawki jest odrębny od zwykłego żądania do aliasu modelu. Przy codziennym pisaniu, analizie lub wydobywaniu danych zacznij od użytecznego opisu zadania i przykładu oczekiwanego wyjścia. Kolejne polecenie może wyjaśnić jeden brakujący fakt, zmienić pole lub dopracować ten sam materiał przy zachowaniu dowodów i ograniczeń zadania.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "db3b0d807b758dba877f019f6c856c45b9fc97d9dcaae8042c3ba507189c0246", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "openai/gpt-4o:batchGPT-4o łączy rozumienie tekstu i obrazów z pisaniem, programowaniem, Structured Outputs i narzędziami aplikacji. Użyj go do opracowania odpowiedzi opartej na dowodach, interpretacji materiałów wizualnych lub zwrócenia określonych pól z obszernego zbioru źródeł.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-4o to wszechstronny model GPT firmy OpenAI do rozumienia tekstu i obrazów, pisania i pracy z aplikacjami. Litera „o” oznacza „omni”, natomiast ten udokumentowany model przyjmuje tekst i obrazy, a zwraca tekst, w tym Structured Outputs. Praktyczna prośba może łączyć pisemny opis zadania ze zdjęciami, zrzutami ekranu lub stronami dokumentu i wymagać jasnego wyjaśnienia, zredagowanego materiału lub określonych pól do następnego etapu aplikacji.
Dla raportu dostarcz dokumenty źródłowe i określ decyzję, którą raport ma wspierać. Wskaż istotne daty, jednostki i oznaczenia dowodów, a następnie poproś o porównanie oddzielające obserwacje, założenia i brakujące informacje. W zadaniu wizualnym wskaż ważny obiekt, wykres lub stan interfejsu i dołącz otaczający kontekst. Przy zmianie kodu dostarcz kod, którego dotyczy zadanie, pożądane zachowanie i ograniczenia, które muszą pozostać zachowane. Są to konkretne sposoby wykorzystania możliwości tekstowych i obrazowych modelu bez liczenia, że sam prompt zasugeruje całe zadanie.
Aktualny profil GPT-4o firmy OpenAI podaje okno kontekstu o wielkości 128 000 tokenów, maksymalny limit wyjścia 16 384 tokenów i datę graniczną wiedzy 1 października 2023 r. Producent wymienia osobno kilka migawek GPT-4o z oznaczonymi datami. Rozmowa, materiały wejściowe i wygenerowana odpowiedź współdzielą budżet kontekstu, dlatego duży zbiór dokumentów nadal wymaga uporządkowania i miejsca na wynik końcowy. Fakty zmienne lub pochodzące z prywatnego systemu należy dostarczyć bezpośrednio lub uzyskać przez jawnie skonfigurowane narzędzie.
Przewodnik po analizie obrazów dopuszcza PNG, JPEG, WebP i nieanimowany GIF. GPT-4o obsługuje szczegółowość obrazu low, high i auto; high i auto wykorzystują przetwarzanie oparte na kafelkach. Powiększ małe etykiety, zadbaj o prawidłową orientację tekstu i nie pomijaj legendy ani otaczającego diagramu przy interpretacji wykresu. Udokumentowane ograniczenia obejmują precyzyjną lokalizację przestrzenną, przybliżone liczenie obiektów, niektóre pisma niełacińskie i widoki panoramiczne lub z obiektywu typu rybie oko. Model może również błędnie opisać obraz, dlatego zachowuj źródło i poproś o konkretne obserwacje uzasadniające interpretację. W udokumentowanym przez OpenAI procesie analizy obrazów łączny rozmiar danych żądania jest ograniczony do 512 MB, a żądanie może zawierać do 1 500 obrazów; obrazy i tekst muszą również mieścić się w kontekście modelu.
Proces wejścia plikowego OpenAI dostarcza modelowi z obsługą obrazów zarówno tekst wydobyty z PDF, jak i obrazy jego stron. Dokumenty biurowe inne niż PDF dostarczają wydobytego tekstu, a nie osadzonych w nich wykresów, natomiast arkusze są wzbogacane na podstawie maksymalnie pierwszych 1 000 wierszy na arkusz. Każdy plik musi mieć mniej niż 50 MB, z łącznym limitem 50 MB na żądanie. Chat Completions obsługuje części plikowe PDF; udokumentowany proces Responses przyjmuje dodatkowe formaty plików. Wybierz reprezentację PDF, gdy ważna jest wierność wizualna, i zachowuj widoczne identyfikatory źródeł w wyniku.
Strumieniowanie może zwracać odpowiedź w miarę jej generowania. Structured Outputs ogranicza ukończoną odpowiedź do obsługiwanego podzbioru JSON Schema, co jest użyteczne przy wydobywaniu danych z dokumentu lub tworzeniu obiektu aplikacji z określonymi polami. Tryb JSON dotyczy wyłącznie poprawności JSON. Określ oczekiwane typy, dozwolone wartości i sposób postępowania z brakującymi dowodami, a następnie obsługuj osobno jawne odmowy lub niekompletne odpowiedzi. Schemat nie dowodzi prawdziwości wartości, dlatego zamówione pola powinny pozostawać możliwe do powiązania z dostarczonym materiałem.
Producent obsługuje wywoływanie funkcji, wyszukiwanie w sieci i plikach, wykonywanie kodu i połączenia MCP. Funkcje niestandardowe wymagają znaczących opisów i schematów argumentów; aplikacja wykonuje zamówione działanie i zwraca jego wynik do następnego kroku modelu. GPT-4o może również kierować osobnym narzędziem generowania obrazów w skonfigurowanym procesie Responses. Obraz utworzony przez narzędzie jest odrębnym rezultatem, natomiast natywna udokumentowana odpowiedź GPT-4o to tekst. Końcowe wyjaśnienie agenta powinno korzystać z rzeczywistych pobranych lub obliczonych obserwacji, zamiast traktować proponowane wywołanie narzędzia jako wykonaną operację.
Predicted Outputs jest dostępne dla GPT-4o przy ponownym generowaniu w dużej mierze znanego tekstu lub kodu z niewielkimi zmianami. Dostarcz istniejącą treść i precyzyjną modyfikację, a następnie sprawdź zwrócony materiał. Ta ścieżka wyłącznie tekstowa nie łączy się z wywoływaniem funkcji i wyklucza logprobs, max_completion_tokens oraz kilka innych ustawień. Żądanie z narzędziami jest osobnym wyborem, gdy odpowiedź zależy od nowych informacji z operacji zewnętrznej.
OpenAI dokumentuje dotrenowanie GPT-4o, a przewodnik optymalizacji wskazuje konkretnie migawkę z 6 sierpnia 2024 r. do dotrenowania analizy obrazów na przykładach obrazowych. Ten proces dostosowania konkretnej migawki jest odrębny od zwykłego żądania do aliasu modelu. Przy codziennym pisaniu, analizie lub wydobywaniu danych zacznij od użytecznego opisu zadania i przykładu oczekiwanego wyjścia. Kolejne polecenie może wyjaśnić jeden brakujący fakt, zmienić pole lub dopracować ten sam materiał przy zachowaniu dowodów i ograniczeń zadania.
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-4o: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-4o:batch, openai/gpt-4o | 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 $0.0025 / 1K tokenów Wyjście · Tokeny wyjściowe $0.01 / 1K tokenów Wejście · Odczyt cache $0.00125 / 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 $0.0025 / 1K tokenów Wyjście · Tokeny wyjściowe $0.01 / 1K tokenów Wejście · Odczyt cache $0.00125 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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-4o: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-4o:batch', 'openai/gpt-4o']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4o: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-4o:batch
Użyj ścieżek metod podanych powyżej.