GPT-5.4 Mini é a edição GPT-5.4 compacta da OpenAI para programação, utilização do computador e tarefas de apoio de agentes. Leva as capacidades da família a um modelo concebido para trabalho focado de elevado volume. As entradas são texto e imagens e a saída é texto. O produtor descreve tarefas como alterações direcionadas, navegação numa base de código, depuração e interpretação de capturas de ecrã de interfaces.
Para um pedido de programação, descreva o comportamento a implementar, forneça os ficheiros ou excertos pertinentes e indique as restrições que têm de sobreviver à alteração. Um exemplo de tarefa é encontrar a parte de um projeto que trata uma entrada específica, propor uma alteração direcionada e identificar como verificar o comportamento alterado. Mantenha explícito o âmbito da tarefa, para que uma alteração local fique ligada às dependências relevantes sem se tornar uma reescrita alheia.
O lançamento do produtor também descreve Mini como um modelo de apoio num sistema de agentes maior. Uma tarefa mais restrita pode ser pesquisar numa base de código, rever um ficheiro grande ou processar documentos de apoio enquanto outra fase trata da coordenação e do julgamento final. Dê a essa tarefa a sua própria entrada, o critério de conclusão e o formato de saída. Um resultado útil é a conclusão, a sua localização no material fornecido e qualquer incerteza que a fase seguinte precise de resolver.
Para trabalho de utilização do computador, o lançamento destaca a interpretação de capturas de ecrã de interfaces densas. Forneça o estado visual atual, o objetivo do utilizador e as restrições pertinentes. O modelo pode propor uma ação ou explicar o que mostra a captura, enquanto o ambiente ligado executa a operação e devolve o estado resultante. Mantenha o resultado real da ferramenta separado de uma ação que apenas foi proposta.
A especificação da OpenAI indica uma janela de contexto de 400 000 tokens, uma entrada máxima de 272 000 tokens e uma saída máxima de 128 000 tokens, com conhecimentos atualizados até 31 de agosto de 2025. As opções de esforço de raciocínio são none, low, medium, high e xhigh; none é a predefinição. O modelo indica as interfaces Responses, Chat Completions e Batch, transmissão progressiva, Structured Outputs, chamadas de funções, pesquisa na Web e em ficheiros, entrada de ficheiros e imagens e colocação da entrada em cache.
As ferramentas indicadas pelo produtor incluem pesquisa de ferramentas, geração de imagens, interpretação de código, execução de comandos num ambiente alojado e aplicação de correções, competências, utilização do computador e ligações MCP. A aplicação fornece as operações disponíveis e devolve os resultados reais. Para uma resposta final, peça a alteração ou a conclusão, as provas relevantes e a ação seguinte. Uma proposta de correção, uma revisão focada ou uma explicação concisa da interface é um resultado útil quando está ligado à tarefa exata e pode ser verificado face à fonte ou ao ecrã fornecidos.
", "aboutText": "GPT-5.4 Mini é a edição GPT-5.4 compacta da OpenAI para programação, utilização do computador e tarefas de apoio de agentes. Leva as capacidades da família a um modelo concebido para trabalho focado de elevado volume. As entradas são texto e imagens e a saída é texto. O produtor descreve tarefas como alterações direcionadas, navegação numa base de código, depuração e interpretação de capturas de ecrã de interfaces.\n\nPara um pedido de programação, descreva o comportamento a implementar, forneça os ficheiros ou excertos pertinentes e indique as restrições que têm de sobreviver à alteração. Um exemplo de tarefa é encontrar a parte de um projeto que trata uma entrada específica, propor uma alteração direcionada e identificar como verificar o comportamento alterado. Mantenha explícito o âmbito da tarefa, para que uma alteração local fique ligada às dependências relevantes sem se tornar uma reescrita alheia.\n\nO lançamento do produtor também descreve Mini como um modelo de apoio num sistema de agentes maior. Uma tarefa mais restrita pode ser pesquisar numa base de código, rever um ficheiro grande ou processar documentos de apoio enquanto outra fase trata da coordenação e do julgamento final. Dê a essa tarefa a sua própria entrada, o critério de conclusão e o formato de saída. Um resultado útil é a conclusão, a sua localização no material fornecido e qualquer incerteza que a fase seguinte precise de resolver.\n\nPara trabalho de utilização do computador, o lançamento destaca a interpretação de capturas de ecrã de interfaces densas. Forneça o estado visual atual, o objetivo do utilizador e as restrições pertinentes. O modelo pode propor uma ação ou explicar o que mostra a captura, enquanto o ambiente ligado executa a operação e devolve o estado resultante. Mantenha o resultado real da ferramenta separado de uma ação que apenas foi proposta.\n\nA especificação da OpenAI indica uma janela de contexto de 400 000 tokens, uma entrada máxima de 272 000 tokens e uma saída máxima de 128 000 tokens, com conhecimentos atualizados até 31 de agosto de 2025. As opções de esforço de raciocínio são none, low, medium, high e xhigh; none é a predefinição. O modelo indica as interfaces Responses, Chat Completions e Batch, transmissão progressiva, Structured Outputs, chamadas de funções, pesquisa na Web e em ficheiros, entrada de ficheiros e imagens e colocação da entrada em cache.\n\nAs ferramentas indicadas pelo produtor incluem pesquisa de ferramentas, geração de imagens, interpretação de código, execução de comandos num ambiente alojado e aplicação de correções, competências, utilização do computador e ligações MCP. A aplicação fornece as operações disponíveis e devolve os resultados reais. Para uma resposta final, peça a alteração ou a conclusão, as provas relevantes e a ação seguinte. Uma proposta de correção, uma revisão focada ou uma explicação concisa da interface é um resultado útil quando está ligado à tarefa exata e pode ser verificado face à fonte ou ao ecrã fornecidos.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "7ffd3f991bbb5afd17d368817163ec81882289addd03d643408f117f53ef0cb8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "openai/gpt-5.4-mini:batchUma edição GPT-5.4 compacta para programação, utilização do computador e trabalho de apoio de agentes de elevado volume. Aceita texto e imagens e pode desenvolver uma alteração, interpretar uma captura de ecrã da interface ou concluir uma tarefa mais restrita dentro de um fluxo maior.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-5.4 Mini é a edição GPT-5.4 compacta da OpenAI para programação, utilização do computador e tarefas de apoio de agentes. Leva as capacidades da família a um modelo concebido para trabalho focado de elevado volume. As entradas são texto e imagens e a saída é texto. O produtor descreve tarefas como alterações direcionadas, navegação numa base de código, depuração e interpretação de capturas de ecrã de interfaces.
Para um pedido de programação, descreva o comportamento a implementar, forneça os ficheiros ou excertos pertinentes e indique as restrições que têm de sobreviver à alteração. Um exemplo de tarefa é encontrar a parte de um projeto que trata uma entrada específica, propor uma alteração direcionada e identificar como verificar o comportamento alterado. Mantenha explícito o âmbito da tarefa, para que uma alteração local fique ligada às dependências relevantes sem se tornar uma reescrita alheia.
O lançamento do produtor também descreve Mini como um modelo de apoio num sistema de agentes maior. Uma tarefa mais restrita pode ser pesquisar numa base de código, rever um ficheiro grande ou processar documentos de apoio enquanto outra fase trata da coordenação e do julgamento final. Dê a essa tarefa a sua própria entrada, o critério de conclusão e o formato de saída. Um resultado útil é a conclusão, a sua localização no material fornecido e qualquer incerteza que a fase seguinte precise de resolver.
Para trabalho de utilização do computador, o lançamento destaca a interpretação de capturas de ecrã de interfaces densas. Forneça o estado visual atual, o objetivo do utilizador e as restrições pertinentes. O modelo pode propor uma ação ou explicar o que mostra a captura, enquanto o ambiente ligado executa a operação e devolve o estado resultante. Mantenha o resultado real da ferramenta separado de uma ação que apenas foi proposta.
A especificação da OpenAI indica uma janela de contexto de 400 000 tokens, uma entrada máxima de 272 000 tokens e uma saída máxima de 128 000 tokens, com conhecimentos atualizados até 31 de agosto de 2025. As opções de esforço de raciocínio são none, low, medium, high e xhigh; none é a predefinição. O modelo indica as interfaces Responses, Chat Completions e Batch, transmissão progressiva, Structured Outputs, chamadas de funções, pesquisa na Web e em ficheiros, entrada de ficheiros e imagens e colocação da entrada em cache.
As ferramentas indicadas pelo produtor incluem pesquisa de ferramentas, geração de imagens, interpretação de código, execução de comandos num ambiente alojado e aplicação de correções, competências, utilização do computador e ligações MCP. A aplicação fornece as operações disponíveis e devolve os resultados reais. Para uma resposta final, peça a alteração ou a conclusão, as provas relevantes e a ação seguinte. Uma proposta de correção, uma revisão focada ou uma explicação concisa da interface é um resultado útil quando está ligado à tarefa exata e pode ser verificado face à fonte ou ao ecrã fornecidos.
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-5.4-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-5.4-mini:batch, openai/gpt-5.4-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 $0.00075 / 1K tokens Saída · Tokens de saída $0.0045 / 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 $0.00075 / 1K tokens Saída · Tokens de saída $0.0045 / 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-5.4-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-5.4-mini:batch', 'openai/gpt-5.4-mini']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.4-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-5.4-mini:batch
Use os caminhos dos métodos indicados acima.