GPT-5 Nano to edycja Nano rodziny modeli rozumujących GPT-5 firmy OpenAI. Producent podkreśla podsumowywanie i klasyfikację jako praktyczne zastosowania. Przyjmuje tekst i obrazy, a generuje tekst, stanowiąc wybór do określonej operacji w większym procesie. Nano zachowuje własną tożsamość edycji i specyfikację.
Przy podsumowywaniu dostarcz materiał źródłowy i cel podsumowania. Przykładowe polecenie to przekształcenie kilku wiadomości o jednym problemie w krótkie opracowanie obejmujące temat, ustalone fakty i następne pytanie. Określ długość, szczegóły, które muszą pozostać, i różnicę między stwierdzeniem w źródle a wnioskowaniem. Nadaje to podsumowaniu konkretne zastosowanie, zamiast prośby o jednakowe skrócenie każdej części.
Przy klasyfikacji dostarcz dozwolone kategorie i kryterium, które je rozróżnia. Dodaj przykłady, gdy wyjaśniają trudną granicę, i określ sposób przedstawienia przypadku niepasującego do dostępnych kategorii. Użyteczny wynik to kategoria i zwięzłe wyjaśnienie powiązane z wejściem. Obraz może dostarczać istotnych informacji wizualnych, gdy zadanie określa ważny szczegół lub etykietę.
OpenAI podaje okno kontekstu o wielkości 400 000 tokenów, maksymalny limit wejścia 272 000 tokenów i maksymalny limit wyjścia 128 000 tokenów, z datą graniczną wiedzy 31 maja 2024 r. Opis wydania GPT-5 dla programistów uwzględnia Nano wśród trzech rozmiarów obsługujących ustawienia nakładu na rozumowanie, verbosity i narzędzi niestandardowych. Udokumentowane poziomy nakładu dla rodziny to minimal, low, medium i high; verbosity reguluje szczegółowość odpowiedzi oddzielnie od analizy. Rozumowanie i widoczne wyjście współdzielą budżet generowanych tokenów.
Dokładna karta modelu wymienia interfejsy Responses, Chat Completions i Batch, strumieniowanie, Structured Outputs, wywoływanie funkcji, pliki i obrazy na wejściu, wyszukiwanie w plikach oraz buforowanie promptów. Wymieniony zestaw narzędzi obejmuje functions, wyszukiwanie w sieci i plikach, generowanie obrazów, wykonywanie kodu i połączenia MCP. Operacje narzędzi są odrębne od pisemnego wyniku modelu: aplikacja wykonuje swoje działania i zwraca rzeczywiste wyjścia do dalszej pracy.
Zdefiniuj wąskie wymagania dla wyjścia, takie jak podsumowanie, kategoria, lista wydobytych pól lub zwięzła proponowana odpowiedź. Określ postępowanie z brakującymi informacjami i zachowuj spójne reguły przy przetwarzaniu podobnych wejść. W zadaniu wieloetapowym przekaż właściwy wynik do następnego etapu wraz z nierozstrzygniętym pytaniem. Sprawdź rezultat końcowy względem dostarczonego źródła i kryteriów, odróżniając operację wykonaną od operacji jedynie proponowanej.
", "aboutText": "GPT-5 Nano to edycja Nano rodziny modeli rozumujących GPT-5 firmy OpenAI. Producent podkreśla podsumowywanie i klasyfikację jako praktyczne zastosowania. Przyjmuje tekst i obrazy, a generuje tekst, stanowiąc wybór do określonej operacji w większym procesie. Nano zachowuje własną tożsamość edycji i specyfikację.\n\nPrzy podsumowywaniu dostarcz materiał źródłowy i cel podsumowania. Przykładowe polecenie to przekształcenie kilku wiadomości o jednym problemie w krótkie opracowanie obejmujące temat, ustalone fakty i następne pytanie. Określ długość, szczegóły, które muszą pozostać, i różnicę między stwierdzeniem w źródle a wnioskowaniem. Nadaje to podsumowaniu konkretne zastosowanie, zamiast prośby o jednakowe skrócenie każdej części.\n\nPrzy klasyfikacji dostarcz dozwolone kategorie i kryterium, które je rozróżnia. Dodaj przykłady, gdy wyjaśniają trudną granicę, i określ sposób przedstawienia przypadku niepasującego do dostępnych kategorii. Użyteczny wynik to kategoria i zwięzłe wyjaśnienie powiązane z wejściem. Obraz może dostarczać istotnych informacji wizualnych, gdy zadanie określa ważny szczegół lub etykietę.\n\nOpenAI podaje okno kontekstu o wielkości 400 000 tokenów, maksymalny limit wejścia 272 000 tokenów i maksymalny limit wyjścia 128 000 tokenów, z datą graniczną wiedzy 31 maja 2024 r. Opis wydania GPT-5 dla programistów uwzględnia Nano wśród trzech rozmiarów obsługujących ustawienia nakładu na rozumowanie, verbosity i narzędzi niestandardowych. Udokumentowane poziomy nakładu dla rodziny to minimal, low, medium i high; verbosity reguluje szczegółowość odpowiedzi oddzielnie od analizy. Rozumowanie i widoczne wyjście współdzielą budżet generowanych tokenów.\n\nDokładna karta modelu wymienia interfejsy Responses, Chat Completions i Batch, strumieniowanie, Structured Outputs, wywoływanie funkcji, pliki i obrazy na wejściu, wyszukiwanie w plikach oraz buforowanie promptów. Wymieniony zestaw narzędzi obejmuje functions, wyszukiwanie w sieci i plikach, generowanie obrazów, wykonywanie kodu i połączenia MCP. Operacje narzędzi są odrębne od pisemnego wyniku modelu: aplikacja wykonuje swoje działania i zwraca rzeczywiste wyjścia do dalszej pracy.\n\nZdefiniuj wąskie wymagania dla wyjścia, takie jak podsumowanie, kategoria, lista wydobytych pól lub zwięzła proponowana odpowiedź. Określ postępowanie z brakującymi informacjami i zachowuj spójne reguły przy przetwarzaniu podobnych wejść. W zadaniu wieloetapowym przekaż właściwy wynik do następnego etapu wraz z nierozstrzygniętym pytaniem. Sprawdź rezultat końcowy względem dostarczonego źródła i kryteriów, odróżniając operację wykonaną od operacji jedynie proponowanej.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c9cb0580a21cf2b8ec458fc28e2a2d8fb7621d3c0b4072e35ce1ef14baf7cb94", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "openai/gpt-5-nano:batchEdycja Nano modelu GPT-5 jest przeznaczona do określonych zadań podsumowania i klasyfikacji. Przyjmuje tekst i obrazy, a zwraca tekst, z konfigurowalnym rozumowaniem i jasnym formatem wyniku dla zadań powtarzalnych lub pomocniczych.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-5 Nano to edycja Nano rodziny modeli rozumujących GPT-5 firmy OpenAI. Producent podkreśla podsumowywanie i klasyfikację jako praktyczne zastosowania. Przyjmuje tekst i obrazy, a generuje tekst, stanowiąc wybór do określonej operacji w większym procesie. Nano zachowuje własną tożsamość edycji i specyfikację.
Przy podsumowywaniu dostarcz materiał źródłowy i cel podsumowania. Przykładowe polecenie to przekształcenie kilku wiadomości o jednym problemie w krótkie opracowanie obejmujące temat, ustalone fakty i następne pytanie. Określ długość, szczegóły, które muszą pozostać, i różnicę między stwierdzeniem w źródle a wnioskowaniem. Nadaje to podsumowaniu konkretne zastosowanie, zamiast prośby o jednakowe skrócenie każdej części.
Przy klasyfikacji dostarcz dozwolone kategorie i kryterium, które je rozróżnia. Dodaj przykłady, gdy wyjaśniają trudną granicę, i określ sposób przedstawienia przypadku niepasującego do dostępnych kategorii. Użyteczny wynik to kategoria i zwięzłe wyjaśnienie powiązane z wejściem. Obraz może dostarczać istotnych informacji wizualnych, gdy zadanie określa ważny szczegół lub etykietę.
OpenAI podaje okno kontekstu o wielkości 400 000 tokenów, maksymalny limit wejścia 272 000 tokenów i maksymalny limit wyjścia 128 000 tokenów, z datą graniczną wiedzy 31 maja 2024 r. Opis wydania GPT-5 dla programistów uwzględnia Nano wśród trzech rozmiarów obsługujących ustawienia nakładu na rozumowanie, verbosity i narzędzi niestandardowych. Udokumentowane poziomy nakładu dla rodziny to minimal, low, medium i high; verbosity reguluje szczegółowość odpowiedzi oddzielnie od analizy. Rozumowanie i widoczne wyjście współdzielą budżet generowanych tokenów.
Dokładna karta modelu wymienia interfejsy Responses, Chat Completions i Batch, strumieniowanie, Structured Outputs, wywoływanie funkcji, pliki i obrazy na wejściu, wyszukiwanie w plikach oraz buforowanie promptów. Wymieniony zestaw narzędzi obejmuje functions, wyszukiwanie w sieci i plikach, generowanie obrazów, wykonywanie kodu i połączenia MCP. Operacje narzędzi są odrębne od pisemnego wyniku modelu: aplikacja wykonuje swoje działania i zwraca rzeczywiste wyjścia do dalszej pracy.
Zdefiniuj wąskie wymagania dla wyjścia, takie jak podsumowanie, kategoria, lista wydobytych pól lub zwięzła proponowana odpowiedź. Określ postępowanie z brakującymi informacjami i zachowuj spójne reguły przy przetwarzaniu podobnych wejść. W zadaniu wieloetapowym przekaż właściwy wynik do następnego etapu wraz z nierozstrzygniętym pytaniem. Sprawdź rezultat końcowy względem dostarczonego źródła i kryteriów, odróżniając operację wykonaną od operacji jedynie proponowanej.
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-5-nano: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-5-nano:batch, openai/gpt-5-nano | 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 $0.00005 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0004 / 1K tokenów Wejście · Odczyt cache $0.000005 / 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 $0.00005 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0004 / 1K tokenów Wejście · Odczyt cache $0.000005 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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-5-nano:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5-nano:batch', 'openai/gpt-5-nano']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5-nano: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-5-nano:batch
Użyj ścieżek metod podanych powyżej.