GPT-4o é o modelo GPT versátil da OpenAI para compreensão de texto e imagens, escrita e trabalho com aplicações. O “o” significa “omni”, enquanto este modelo documentado aceita texto e imagens e devolve texto, incluindo Structured Outputs. Um pedido prático pode combinar orientações escritas com fotografias, capturas de ecrã ou páginas de documentos e pedir uma explicação clara, um resultado editado ou campos definidos para outra etapa da aplicação.
Para um relatório, forneça os documentos de origem e a decisão que o relatório deve apoiar. Identifique as datas, unidades e etiquetas das evidências relevantes, depois peça uma comparação que distinga observações, pressupostos e informação em falta. Para uma tarefa visual, indique o objeto, gráfico ou estado da interface relevante e inclua o contexto circundante. Para uma alteração ao código, forneça o código afetado, o comportamento pretendido e os requisitos que devem permanecer intactos. Estas são formas concretas de utilizar as capacidades de texto e imagem do modelo, sem depender de o pedido de texto dar a entender toda a tarefa.
O perfil atual de GPT-4o da OpenAI 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. O fabricante enumera separadamente várias versões datadas de GPT-4o. A conversa, o material de entrada e a resposta gerada partilham o orçamento de contexto, pelo que uma coleção grande de documentos ainda precisa de organização e espaço para o resultado final. Os factos que mudam ou provêm de um sistema privado devem ser fornecidos diretamente ou obtidos através de uma ferramenta configurada explicitamente.
O guia de visão aceita PNG, JPEG, WebP e GIF não animado. GPT-4o suporta detalhe de imagem low, high e auto; high e auto seguem processamento baseado em blocos. Amplie etiquetas pequenas, mantenha o texto na orientação correta e preserve a legenda ou o diagrama circundante ao interpretar um gráfico. As limitações documentadas incluem localização espacial precisa, contagens aproximadas de objetos, algumas escritas não latinas e vistas panorâmicas ou em olho de peixe. O modelo pode também descrever incorretamente uma imagem, pelo que deve conservar a origem e pedir as observações específicas que sustentam uma interpretação. 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 entrada de ficheiros da OpenAI fornece a um modelo com visão tanto texto extraído como imagens das páginas de PDF. Documentos de escritório que não sejam PDF fornecem texto extraído, e não os seus gráficos incorporados, e as folhas de cálculo são enriquecidas utilizando, no máximo, as primeiras 1 000 linhas de cada folha. Cada ficheiro deve ter menos de 50 MB, com um limite total de 50 MB por pedido. Chat Completions suporta partes de ficheiro PDF; o processo Responses documentado aceita formatos de ficheiro adicionais. Escolha uma representação PDF quando a fidelidade visual for importante e mantenha os identificadores de origem visíveis no resultado.
O streaming pode devolver a resposta enquanto é gerada. Structured Outputs restringe uma resposta concluída ao subconjunto suportado de JSON Schema, sendo útil para extração documental ou um objeto da aplicação com campos definidos. O modo JSON trata apenas da validade do JSON. Defina os tipos esperados, os valores permitidos e o tratamento de evidências ausentes e depois trate separadamente recusas explícitas ou respostas incompletas. Um esquema não estabelece se um valor é factualmente correto, pelo que os campos pedidos devem continuar rastreáveis até ao material fornecido.
O fabricante suporta chamadas de funções, pesquisa na web, pesquisa em ficheiros, interpretação de código e ligações MCP. Funções personalizadas precisam de descrições significativas e esquemas de argumentos; a aplicação executa a ação pedida e devolve o seu resultado para a etapa seguinte do modelo. GPT-4o pode também dirigir uma ferramenta separada de geração de imagens num processo Responses configurado. Uma imagem criada por uma ferramenta é um resultado próprio, enquanto a resposta nativa documentada de GPT-4o é texto. A explicação final de um agente deve utilizar observações efetivamente obtidas ou calculadas, em vez de tratar uma chamada de ferramenta proposta como uma operação concluída.
Predicted Outputs está disponível para GPT-4o ao regenerar texto ou código em grande parte conhecido com pequenas alterações. Forneça o conteúdo existente e uma modificação precisa, depois examine o resultado devolvido. Este percurso só de texto não se combina com chamadas de funções e exclui logprobs, max_completion_tokens e vários outros controlos. Um pedido baseado em ferramentas é uma escolha separada quando a resposta depende de informação nova de uma operação externa.
A OpenAI documenta ajuste fino para GPT-4o, e o seu guia de otimização indica especificamente a versão de 6 de agosto de 2024 para ajuste fino de visão com exemplos de imagens. Esse processo de personalização específico da versão é distinto de um pedido normal ao alias do modelo. Para escrita, análise ou extração correntes, comece com orientações úteis e um exemplo da saída pretendida. Um pedido posterior pode resolver um facto em falta, rever um campo ou aperfeiçoar o mesmo resultado, preservando as evidências e os requisitos da tarefa.
", "aboutText": "GPT-4o é o modelo GPT versátil da OpenAI para compreensão de texto e imagens, escrita e trabalho com aplicações. O “o” significa “omni”, enquanto este modelo documentado aceita texto e imagens e devolve texto, incluindo Structured Outputs. Um pedido prático pode combinar orientações escritas com fotografias, capturas de ecrã ou páginas de documentos e pedir uma explicação clara, um resultado editado ou campos definidos para outra etapa da aplicação.\n\nPara um relatório, forneça os documentos de origem e a decisão que o relatório deve apoiar. Identifique as datas, unidades e etiquetas das evidências relevantes, depois peça uma comparação que distinga observações, pressupostos e informação em falta. Para uma tarefa visual, indique o objeto, gráfico ou estado da interface relevante e inclua o contexto circundante. Para uma alteração ao código, forneça o código afetado, o comportamento pretendido e os requisitos que devem permanecer intactos. Estas são formas concretas de utilizar as capacidades de texto e imagem do modelo, sem depender de o pedido de texto dar a entender toda a tarefa.\n\nO perfil atual de GPT-4o da OpenAI 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. O fabricante enumera separadamente várias versões datadas de GPT-4o. A conversa, o material de entrada e a resposta gerada partilham o orçamento de contexto, pelo que uma coleção grande de documentos ainda precisa de organização e espaço para o resultado final. Os factos que mudam ou provêm de um sistema privado devem ser fornecidos diretamente ou obtidos através de uma ferramenta configurada explicitamente.\n\nO guia de visão aceita PNG, JPEG, WebP e GIF não animado. GPT-4o suporta detalhe de imagem low, high e auto; high e auto seguem processamento baseado em blocos. Amplie etiquetas pequenas, mantenha o texto na orientação correta e preserve a legenda ou o diagrama circundante ao interpretar um gráfico. As limitações documentadas incluem localização espacial precisa, contagens aproximadas de objetos, algumas escritas não latinas e vistas panorâmicas ou em olho de peixe. O modelo pode também descrever incorretamente uma imagem, pelo que deve conservar a origem e pedir as observações específicas que sustentam uma interpretação. 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 entrada de ficheiros da OpenAI fornece a um modelo com visão tanto texto extraído como imagens das páginas de PDF. Documentos de escritório que não sejam PDF fornecem texto extraído, e não os seus gráficos incorporados, e as folhas de cálculo são enriquecidas utilizando, no máximo, as primeiras 1 000 linhas de cada folha. Cada ficheiro deve ter menos de 50 MB, com um limite total de 50 MB por pedido. Chat Completions suporta partes de ficheiro PDF; o processo Responses documentado aceita formatos de ficheiro adicionais. Escolha uma representação PDF quando a fidelidade visual for importante e mantenha os identificadores de origem visíveis no resultado.\n\nO streaming pode devolver a resposta enquanto é gerada. Structured Outputs restringe uma resposta concluída ao subconjunto suportado de JSON Schema, sendo útil para extração documental ou um objeto da aplicação com campos definidos. O modo JSON trata apenas da validade do JSON. Defina os tipos esperados, os valores permitidos e o tratamento de evidências ausentes e depois trate separadamente recusas explícitas ou respostas incompletas. Um esquema não estabelece se um valor é factualmente correto, pelo que os campos pedidos devem continuar rastreáveis até ao material fornecido.\n\nO fabricante suporta chamadas de funções, pesquisa na web, pesquisa em ficheiros, interpretação de código e ligações MCP. Funções personalizadas precisam de descrições significativas e esquemas de argumentos; a aplicação executa a ação pedida e devolve o seu resultado para a etapa seguinte do modelo. GPT-4o pode também dirigir uma ferramenta separada de geração de imagens num processo Responses configurado. Uma imagem criada por uma ferramenta é um resultado próprio, enquanto a resposta nativa documentada de GPT-4o é texto. A explicação final de um agente deve utilizar observações efetivamente obtidas ou calculadas, em vez de tratar uma chamada de ferramenta proposta como uma operação concluída.\n\nPredicted Outputs está disponível para GPT-4o ao regenerar texto ou código em grande parte conhecido com pequenas alterações. Forneça o conteúdo existente e uma modificação precisa, depois examine o resultado devolvido. Este percurso só de texto não se combina com chamadas de funções e exclui logprobs, max_completion_tokens e vários outros controlos. Um pedido baseado em ferramentas é uma escolha separada quando a resposta depende de informação nova de uma operação externa.\n\nA OpenAI documenta ajuste fino para GPT-4o, e o seu guia de otimização indica especificamente a versão de 6 de agosto de 2024 para ajuste fino de visão com exemplos de imagens. Esse processo de personalização específico da versão é distinto de um pedido normal ao alias do modelo. Para escrita, análise ou extração correntes, comece com orientações úteis e um exemplo da saída pretendida. Um pedido posterior pode resolver um facto em falta, rever um campo ou aperfeiçoar o mesmo resultado, preservando as evidências e os requisitos da tarefa.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "895e618a84b8bb0548dd6e39db69ff40f76d07305cb0be941cc3cdf86b404796", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "openai/gpt-4o:batchGPT-4o combina compreensão de texto e imagens com escrita, programação, Structured Outputs e ferramentas da aplicação. Utilize-o para desenvolver uma resposta baseada em evidências, interpretar material visual ou devolver campos definidos a partir de uma coleção substancial de origens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-4o é o modelo GPT versátil da OpenAI para compreensão de texto e imagens, escrita e trabalho com aplicações. O “o” significa “omni”, enquanto este modelo documentado aceita texto e imagens e devolve texto, incluindo Structured Outputs. Um pedido prático pode combinar orientações escritas com fotografias, capturas de ecrã ou páginas de documentos e pedir uma explicação clara, um resultado editado ou campos definidos para outra etapa da aplicação.
Para um relatório, forneça os documentos de origem e a decisão que o relatório deve apoiar. Identifique as datas, unidades e etiquetas das evidências relevantes, depois peça uma comparação que distinga observações, pressupostos e informação em falta. Para uma tarefa visual, indique o objeto, gráfico ou estado da interface relevante e inclua o contexto circundante. Para uma alteração ao código, forneça o código afetado, o comportamento pretendido e os requisitos que devem permanecer intactos. Estas são formas concretas de utilizar as capacidades de texto e imagem do modelo, sem depender de o pedido de texto dar a entender toda a tarefa.
O perfil atual de GPT-4o da OpenAI 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. O fabricante enumera separadamente várias versões datadas de GPT-4o. A conversa, o material de entrada e a resposta gerada partilham o orçamento de contexto, pelo que uma coleção grande de documentos ainda precisa de organização e espaço para o resultado final. Os factos que mudam ou provêm de um sistema privado devem ser fornecidos diretamente ou obtidos através de uma ferramenta configurada explicitamente.
O guia de visão aceita PNG, JPEG, WebP e GIF não animado. GPT-4o suporta detalhe de imagem low, high e auto; high e auto seguem processamento baseado em blocos. Amplie etiquetas pequenas, mantenha o texto na orientação correta e preserve a legenda ou o diagrama circundante ao interpretar um gráfico. As limitações documentadas incluem localização espacial precisa, contagens aproximadas de objetos, algumas escritas não latinas e vistas panorâmicas ou em olho de peixe. O modelo pode também descrever incorretamente uma imagem, pelo que deve conservar a origem e pedir as observações específicas que sustentam uma interpretação. 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 entrada de ficheiros da OpenAI fornece a um modelo com visão tanto texto extraído como imagens das páginas de PDF. Documentos de escritório que não sejam PDF fornecem texto extraído, e não os seus gráficos incorporados, e as folhas de cálculo são enriquecidas utilizando, no máximo, as primeiras 1 000 linhas de cada folha. Cada ficheiro deve ter menos de 50 MB, com um limite total de 50 MB por pedido. Chat Completions suporta partes de ficheiro PDF; o processo Responses documentado aceita formatos de ficheiro adicionais. Escolha uma representação PDF quando a fidelidade visual for importante e mantenha os identificadores de origem visíveis no resultado.
O streaming pode devolver a resposta enquanto é gerada. Structured Outputs restringe uma resposta concluída ao subconjunto suportado de JSON Schema, sendo útil para extração documental ou um objeto da aplicação com campos definidos. O modo JSON trata apenas da validade do JSON. Defina os tipos esperados, os valores permitidos e o tratamento de evidências ausentes e depois trate separadamente recusas explícitas ou respostas incompletas. Um esquema não estabelece se um valor é factualmente correto, pelo que os campos pedidos devem continuar rastreáveis até ao material fornecido.
O fabricante suporta chamadas de funções, pesquisa na web, pesquisa em ficheiros, interpretação de código e ligações MCP. Funções personalizadas precisam de descrições significativas e esquemas de argumentos; a aplicação executa a ação pedida e devolve o seu resultado para a etapa seguinte do modelo. GPT-4o pode também dirigir uma ferramenta separada de geração de imagens num processo Responses configurado. Uma imagem criada por uma ferramenta é um resultado próprio, enquanto a resposta nativa documentada de GPT-4o é texto. A explicação final de um agente deve utilizar observações efetivamente obtidas ou calculadas, em vez de tratar uma chamada de ferramenta proposta como uma operação concluída.
Predicted Outputs está disponível para GPT-4o ao regenerar texto ou código em grande parte conhecido com pequenas alterações. Forneça o conteúdo existente e uma modificação precisa, depois examine o resultado devolvido. Este percurso só de texto não se combina com chamadas de funções e exclui logprobs, max_completion_tokens e vários outros controlos. Um pedido baseado em ferramentas é uma escolha separada quando a resposta depende de informação nova de uma operação externa.
A OpenAI documenta ajuste fino para GPT-4o, e o seu guia de otimização indica especificamente a versão de 6 de agosto de 2024 para ajuste fino de visão com exemplos de imagens. Esse processo de personalização específico da versão é distinto de um pedido normal ao alias do modelo. Para escrita, análise ou extração correntes, comece com orientações úteis e um exemplo da saída pretendida. Um pedido posterior pode resolver um facto em falta, rever um campo ou aperfeiçoar o mesmo resultado, preservando as evidências e os requisitos da tarefa.
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: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:batch, openai/gpt-4o | 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 $0.0025 / 1K tokens Saída · Tokens de saída $0.01 / 1K tokens Entrada · Leitura da cache $0.00125 / 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 $0.0025 / 1K tokens Saída · Tokens de saída $0.01 / 1K tokens Entrada · Leitura da cache $0.00125 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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: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 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:batch
Use os caminhos dos métodos indicados acima.