GPT-4o Mini é o modelo pequeno da OpenAI da família GPT-4o para trabalho focado. Aceita texto e imagens e produz texto, incluindo Structured Outputs. O seu papel é útil quando uma aplicação precisa de uma resposta concisa a um pedido bem especificado: extrair campos, desenvolver uma resposta a partir de material de referência fornecido ou realizar uma etapa delimitada num processo mais amplo.
Para uma resposta de assistência, forneça a mensagem recebida, os excertos relevantes das regras aplicáveis e os factos já estabelecidos na conversa. Peça uma resposta proposta curta e identifique qualquer informação ainda necessária do remetente. Para extração documental, defina os campos, explique como tratar valores em falta e preserve uma etiqueta que relacione cada resultado com a sua origem. A mesma abordagem pode produzir uma classificação, um excerto editado ou uma explicação de uma pequena alteração ao código, sem tratar o modelo como substituto da lógica envolvente da aplicação.
O fabricante indica uma janela de contexto de 128 000 tokens, uma saída máxima de 16 384 tokens e conhecimentos atualizados até 1 de outubro de 2023. Material de origem, conversa e saída gerada ocupam esse contexto em conjunto. Mantenha visíveis os factos anteriores significativos e indique o resultado final necessário. GPT-4o Mini é um modelo pequeno separado, não um modo de comprimento de saída de GPT-4o completo; a sua identidade e capacidades próprias devem orientar a tarefa, mesmo quando os dois modelos partilham especificações.
As imagens podem fornecer uma captura de ecrã, página de documento, fotografia ou diagrama. O processo de visão da OpenAI aceita PNG, JPEG, WebP e GIF não animado, com detalhe low, high ou auto para esta família. Detalhe superior segue o tratamento de imagens por blocos do fabricante. Mantenha as etiquetas importantes legíveis e na orientação correta e explique que parte da imagem deve informar a resposta. Relações espaciais precisas, contagens exatas de objetos, projeções de imagem invulgares e algum texto não latino são dificuldades documentadas. Uma pergunta focada torna uma resposta visual mais fácil de comparar com as evidências originais. No processo de visão documentado da OpenAI, o conteúdo total do pedido é limitado a 512 MB e um pedido pode incluir até 1 500 imagens; as imagens e o texto têm também de caber no contexto do modelo.
O processo de ficheiros do fabricante transmite texto extraído e imagens das páginas de PDF a modelos com visão. Outros ficheiros de escritório e texto contribuem com texto extraído, pelo que as suas imagens e gráficos incorporados precisam de uma representação PDF quando esses visuais são importantes. O enriquecimento de folhas de cálculo utiliza, no máximo, as primeiras 1 000 linhas por folha. Cada ficheiro deve ter menos de 50 MB, com um limite combinado de 50 MB por pedido. Chat Completions aceita partes de ficheiro PDF; o processo Responses documentado aceita um conjunto mais amplo de formatos de ficheiro. Preserve os identificadores de página, linha ou secção no material que utiliza para extração.
O streaming devolve texto de forma incremental. Structured Outputs restringe uma resposta concluída ao subconjunto suportado de JSON Schema, enquanto um pedido de modo JSON assegura apenas JSON válido. Indique os campos necessários e os valores permitidos, incluindo uma representação explícita de evidências em falta. As aplicações precisam de tratar recusas e respostas incompletas separadamente. Um esquema pode tornar o resultado adequado à etapa seguinte, mas os valores continuam a precisar de refletir a origem efetiva, em vez de um preenchimento inventado de um campo vazio.
GPT-4o Mini suporta chamadas de funções e os processos do fabricante orientados para ferramentas, com pesquisa na web, pesquisa em ficheiros, interpretação de código e ligações MCP. Descreva uma função disponível, deixe a aplicação executar a operação pedida e devolver a sua observação antes de o modelo desenvolver uma resposta posterior. A OpenAI suporta também uma ferramenta separada de geração de imagens no processo Responses configurado. As imagens produzidas por essa ferramenta são resultados separados; a saída nativa documentada do modelo continua a ser texto. Pesquisa e utilização de ferramentas são atividades configuradas, não evidência de que todas as respostas tenham consultado informação atual.
Predicted Outputs suporta regeneração de um documento ou ficheiro de código em grande parte conhecido com uma pequena alteração. Forneça o conteúdo anterior e a edição precisa, depois compare o resultado com esse pedido. O percurso de previsão suporta apenas texto e não se combina com chamadas de funções; logprobs, max_completion_tokens e vários outros controlos são também excluídos. Um pedido normal com ferramentas é um percurso diferente quando a resposta depende de uma pesquisa ou cálculo novos.
A OpenAI documenta ajuste fino para este modelo e descreve a utilização das saídas de um modelo maior para ensinar uma tarefa especializada a um modelo GPT-4o Mini mais pequeno. Este processo de destilação produz um modelo personalizado; não altera a identidade de uma resposta Mini normal. Para um pedido normal, estabeleça a tarefa e o formato de saída com exemplos claros, depois utilize um pedido posterior focado para rever o mesmo resultado. Um resultado final útil continua ligado aos factos de origem, ao leitor previsto e à etapa da aplicação que o consome.
", "aboutText": "GPT-4o Mini é o modelo pequeno da OpenAI da família GPT-4o para trabalho focado. Aceita texto e imagens e produz texto, incluindo Structured Outputs. O seu papel é útil quando uma aplicação precisa de uma resposta concisa a um pedido bem especificado: extrair campos, desenvolver uma resposta a partir de material de referência fornecido ou realizar uma etapa delimitada num processo mais amplo.\n\nPara uma resposta de assistência, forneça a mensagem recebida, os excertos relevantes das regras aplicáveis e os factos já estabelecidos na conversa. Peça uma resposta proposta curta e identifique qualquer informação ainda necessária do remetente. Para extração documental, defina os campos, explique como tratar valores em falta e preserve uma etiqueta que relacione cada resultado com a sua origem. A mesma abordagem pode produzir uma classificação, um excerto editado ou uma explicação de uma pequena alteração ao código, sem tratar o modelo como substituto da lógica envolvente da aplicação.\n\nO fabricante indica uma janela de contexto de 128 000 tokens, uma saída máxima de 16 384 tokens e conhecimentos atualizados até 1 de outubro de 2023. Material de origem, conversa e saída gerada ocupam esse contexto em conjunto. Mantenha visíveis os factos anteriores significativos e indique o resultado final necessário. GPT-4o Mini é um modelo pequeno separado, não um modo de comprimento de saída de GPT-4o completo; a sua identidade e capacidades próprias devem orientar a tarefa, mesmo quando os dois modelos partilham especificações.\n\nAs imagens podem fornecer uma captura de ecrã, página de documento, fotografia ou diagrama. O processo de visão da OpenAI aceita PNG, JPEG, WebP e GIF não animado, com detalhe low, high ou auto para esta família. Detalhe superior segue o tratamento de imagens por blocos do fabricante. Mantenha as etiquetas importantes legíveis e na orientação correta e explique que parte da imagem deve informar a resposta. Relações espaciais precisas, contagens exatas de objetos, projeções de imagem invulgares e algum texto não latino são dificuldades documentadas. Uma pergunta focada torna uma resposta visual mais fácil de comparar com as evidências originais. No processo de visão documentado da OpenAI, o conteúdo total do pedido é limitado a 512 MB e um pedido pode incluir até 1 500 imagens; as imagens e o texto têm também de caber no contexto do modelo.\n\nO processo de ficheiros do fabricante transmite texto extraído e imagens das páginas de PDF a modelos com visão. Outros ficheiros de escritório e texto contribuem com texto extraído, pelo que as suas imagens e gráficos incorporados precisam de uma representação PDF quando esses visuais são importantes. O enriquecimento de folhas de cálculo utiliza, no máximo, as primeiras 1 000 linhas por folha. Cada ficheiro deve ter menos de 50 MB, com um limite combinado de 50 MB por pedido. Chat Completions aceita partes de ficheiro PDF; o processo Responses documentado aceita um conjunto mais amplo de formatos de ficheiro. Preserve os identificadores de página, linha ou secção no material que utiliza para extração.\n\nO streaming devolve texto de forma incremental. Structured Outputs restringe uma resposta concluída ao subconjunto suportado de JSON Schema, enquanto um pedido de modo JSON assegura apenas JSON válido. Indique os campos necessários e os valores permitidos, incluindo uma representação explícita de evidências em falta. As aplicações precisam de tratar recusas e respostas incompletas separadamente. Um esquema pode tornar o resultado adequado à etapa seguinte, mas os valores continuam a precisar de refletir a origem efetiva, em vez de um preenchimento inventado de um campo vazio.\n\nGPT-4o Mini suporta chamadas de funções e os processos do fabricante orientados para ferramentas, com pesquisa na web, pesquisa em ficheiros, interpretação de código e ligações MCP. Descreva uma função disponível, deixe a aplicação executar a operação pedida e devolver a sua observação antes de o modelo desenvolver uma resposta posterior. A OpenAI suporta também uma ferramenta separada de geração de imagens no processo Responses configurado. As imagens produzidas por essa ferramenta são resultados separados; a saída nativa documentada do modelo continua a ser texto. Pesquisa e utilização de ferramentas são atividades configuradas, não evidência de que todas as respostas tenham consultado informação atual.\n\nPredicted Outputs suporta regeneração de um documento ou ficheiro de código em grande parte conhecido com uma pequena alteração. Forneça o conteúdo anterior e a edição precisa, depois compare o resultado com esse pedido. O percurso de previsão suporta apenas texto e não se combina com chamadas de funções; logprobs, max_completion_tokens e vários outros controlos são também excluídos. Um pedido normal com ferramentas é um percurso diferente quando a resposta depende de uma pesquisa ou cálculo novos.\n\nA OpenAI documenta ajuste fino para este modelo e descreve a utilização das saídas de um modelo maior para ensinar uma tarefa especializada a um modelo GPT-4o Mini mais pequeno. Este processo de destilação produz um modelo personalizado; não altera a identidade de uma resposta Mini normal. Para um pedido normal, estabeleça a tarefa e o formato de saída com exemplos claros, depois utilize um pedido posterior focado para rever o mesmo resultado. Um resultado final útil continua ligado aos factos de origem, ao leitor previsto e à etapa da aplicação que o consome.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "41620bd52d668f87a01e3dce51287186a33181ce93d6dbf0a1a3907277baf88a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "openai/gpt-4o-mini:batchGPT-4o Mini trata tarefas focadas de texto e imagem, incluindo extração documental, respostas concisas e chamadas de ferramentas da aplicação. O seu contexto de 128 000 tokens e Structured Outputs suportam processos repetíveis com um resultado claramente definido.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-4o Mini é o modelo pequeno da OpenAI da família GPT-4o para trabalho focado. Aceita texto e imagens e produz texto, incluindo Structured Outputs. O seu papel é útil quando uma aplicação precisa de uma resposta concisa a um pedido bem especificado: extrair campos, desenvolver uma resposta a partir de material de referência fornecido ou realizar uma etapa delimitada num processo mais amplo.
Para uma resposta de assistência, forneça a mensagem recebida, os excertos relevantes das regras aplicáveis e os factos já estabelecidos na conversa. Peça uma resposta proposta curta e identifique qualquer informação ainda necessária do remetente. Para extração documental, defina os campos, explique como tratar valores em falta e preserve uma etiqueta que relacione cada resultado com a sua origem. A mesma abordagem pode produzir uma classificação, um excerto editado ou uma explicação de uma pequena alteração ao código, sem tratar o modelo como substituto da lógica envolvente da aplicação.
O fabricante indica uma janela de contexto de 128 000 tokens, uma saída máxima de 16 384 tokens e conhecimentos atualizados até 1 de outubro de 2023. Material de origem, conversa e saída gerada ocupam esse contexto em conjunto. Mantenha visíveis os factos anteriores significativos e indique o resultado final necessário. GPT-4o Mini é um modelo pequeno separado, não um modo de comprimento de saída de GPT-4o completo; a sua identidade e capacidades próprias devem orientar a tarefa, mesmo quando os dois modelos partilham especificações.
As imagens podem fornecer uma captura de ecrã, página de documento, fotografia ou diagrama. O processo de visão da OpenAI aceita PNG, JPEG, WebP e GIF não animado, com detalhe low, high ou auto para esta família. Detalhe superior segue o tratamento de imagens por blocos do fabricante. Mantenha as etiquetas importantes legíveis e na orientação correta e explique que parte da imagem deve informar a resposta. Relações espaciais precisas, contagens exatas de objetos, projeções de imagem invulgares e algum texto não latino são dificuldades documentadas. Uma pergunta focada torna uma resposta visual mais fácil de comparar com as evidências originais. No processo de visão documentado da OpenAI, o conteúdo total do pedido é limitado a 512 MB e um pedido pode incluir até 1 500 imagens; as imagens e o texto têm também de caber no contexto do modelo.
O processo de ficheiros do fabricante transmite texto extraído e imagens das páginas de PDF a modelos com visão. Outros ficheiros de escritório e texto contribuem com texto extraído, pelo que as suas imagens e gráficos incorporados precisam de uma representação PDF quando esses visuais são importantes. O enriquecimento de folhas de cálculo utiliza, no máximo, as primeiras 1 000 linhas por folha. Cada ficheiro deve ter menos de 50 MB, com um limite combinado de 50 MB por pedido. Chat Completions aceita partes de ficheiro PDF; o processo Responses documentado aceita um conjunto mais amplo de formatos de ficheiro. Preserve os identificadores de página, linha ou secção no material que utiliza para extração.
O streaming devolve texto de forma incremental. Structured Outputs restringe uma resposta concluída ao subconjunto suportado de JSON Schema, enquanto um pedido de modo JSON assegura apenas JSON válido. Indique os campos necessários e os valores permitidos, incluindo uma representação explícita de evidências em falta. As aplicações precisam de tratar recusas e respostas incompletas separadamente. Um esquema pode tornar o resultado adequado à etapa seguinte, mas os valores continuam a precisar de refletir a origem efetiva, em vez de um preenchimento inventado de um campo vazio.
GPT-4o Mini suporta chamadas de funções e os processos do fabricante orientados para ferramentas, com pesquisa na web, pesquisa em ficheiros, interpretação de código e ligações MCP. Descreva uma função disponível, deixe a aplicação executar a operação pedida e devolver a sua observação antes de o modelo desenvolver uma resposta posterior. A OpenAI suporta também uma ferramenta separada de geração de imagens no processo Responses configurado. As imagens produzidas por essa ferramenta são resultados separados; a saída nativa documentada do modelo continua a ser texto. Pesquisa e utilização de ferramentas são atividades configuradas, não evidência de que todas as respostas tenham consultado informação atual.
Predicted Outputs suporta regeneração de um documento ou ficheiro de código em grande parte conhecido com uma pequena alteração. Forneça o conteúdo anterior e a edição precisa, depois compare o resultado com esse pedido. O percurso de previsão suporta apenas texto e não se combina com chamadas de funções; logprobs, max_completion_tokens e vários outros controlos são também excluídos. Um pedido normal com ferramentas é um percurso diferente quando a resposta depende de uma pesquisa ou cálculo novos.
A OpenAI documenta ajuste fino para este modelo e descreve a utilização das saídas de um modelo maior para ensinar uma tarefa especializada a um modelo GPT-4o Mini mais pequeno. Este processo de destilação produz um modelo personalizado; não altera a identidade de uma resposta Mini normal. Para um pedido normal, estabeleça a tarefa e o formato de saída com exemplos claros, depois utilize um pedido posterior focado para rever o mesmo resultado. Um resultado final útil continua ligado aos factos de origem, ao leitor previsto e à etapa da aplicação que o consome.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObrigatório | Valores e limites /v1/chat/completions | Predefinição— |
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites openai/gpt-4o-mini:batch | Predefinição— |
Camporequests | Tipobatch_item[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Camporequests[].custom_id | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores e limites 24h | Predefinição— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores e limites | Predefinição— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores e limites openai/gpt-4o-mini:batch, openai/gpt-4o-mini | Predefinição— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores e limites openai | Predefinição— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores e limites false, null | Predefinição— |
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratoendpoint, model, requests |
Parâmetromaterial_types | Contratotext |
Parâmetrorepresentation | Contratorequests[] em linha; cada item tem custom_id e body |
Parâmetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parâmetrofile_material | ContratoQuem faz a chamada pode ler localmente o conteúdo JSONL UTF-8 efetivo para requests[]. Não é utilizada qualquer finalidade de carregamento, input_file_id ou referência a ficheiro. Se o material do cliente estiver em falta ou vazio, a preparação é interrompida antes do POST. |
Parâmetroserialization_order | Contratoendpoint, model, provider (se fornecido), completion_window (se fornecido), requests em último lugar |
Parâmetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parâmetroschema_scope | ContratoCorpos de pedidos de texto de Chat Completions na estrutura de lote em linha documentada. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · response.id efetivo da resposta original de criação; mesmo utilizador/chave/grupo
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00015 / 1K tokens Saída · Tokens de saída $0.0006 / 1K tokens Entrada · Leitura da cache $0.000075 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00015 / 1K tokens Saída · Tokens de saída $0.0006 / 1K tokens Entrada · Leitura da cache $0.000075 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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-mini: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-mini:batch', 'openai/gpt-4o-mini']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4o-mini: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 em linha de 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\nGuarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve o JSON completo do estado original, todos os resultados/custom_id e o corpo completo da resposta ou do erro. Guarde os results[] concluídos em formato JSONL, sem filtrar.
Preserve o ID original da operação. A resposta 503 result_pending_check inclui X-Should-Retry:false; nunca volte a enviar um lote original de estado desconhecido.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoEstrutura em linha documentada inválida, chaves duplicadas, identidade do item inválida ou conflito com as capacidades configuradas do modelo. | Passo seguinteCorrija os campos indicados antes de qualquer novo envio. |
Resposta401 · authentication_error | CondiçãoChave de API inválida. | Passo seguinteUse a chave Ailoot autorizada. |
Resposta403 · permission_error | CondiçãoGrupo de processamento em lote indisponível. | Passo seguinteVerifique os direitos de acesso da chave/do grupo. |
Resposta422 · invalid_request_error | CondiçãoO processamento em lote usa faturação por débito do saldo; a criação com subscrição é rejeitada. | Passo seguinteUse o grupo autorizado com faturação por débito do saldo. |
Resposta422 · price_unavailable | CondiçãoNão é possível calcular uma estimativa de preço para os dados de entrada do lote. | Passo seguinteConserve a resposta; use os dados de entrada documentados para a família. |
Resposta402 · billing_error | CondiçãoReserva para processamento em lote indisponível. | Passo seguinteResolva a questão da admissão antes de um novo pedido. |
Resposta503 · price_unavailable | CondiçãoPreço do método de processamento em lote/tarifas nativas indisponíveis. | Passo seguinteConserve a resposta; não substitua os preços. |
Resposta503 · api_error | CondiçãoA rota exata do fornecedor está indisponível. | Passo seguinteConserve a resposta para corrigir a rota. |
Resposta503 · result_pending_check | CondiçãoO resultado original requer verificação; X-Should-Retry:false. | Passo seguinteGuarde o operation_id/id original e consulte o respetivo estado; nunca repita o POST original. |
Resposta404 · not_found | CondiçãoA operação de consulta do estado do lote não existe ou pertence a outra identidade. | Passo seguinteUse o id original exato e o mesmo utilizador/chave/grupo. |
Ailoot Ultra openai/gpt-4o-mini:batch
Use os caminhos dos métodos indicados acima.