GPT-5.5 é o principal modelo de raciocínio da OpenAI para trabalho profissional complexo e programação. Aceita texto e imagens e devolve texto, combinando análise com utilização de ferramentas quando uma tarefa precisa de informação ou ações além da entrada fornecida. As orientações da OpenAI destacam a importância de partir de um resultado claro: explique o resultado de que precisa, as restrições a manter, as provas a usar e a condição que termina a tarefa.
Para uma alteração de software substancial, forneça o material pertinente do repositório, o comportamento atual, o comportamento desejado e os critérios de aceitação. Identifique o que pode mudar e o que tem de continuar compatível. Um resultado útil a pedir é uma alteração proposta, uma explicação do comportamento afetado e provas das verificações que realmente foram executadas. Para uma tarefa com muitos documentos, identifique os documentos de origem e peça uma resposta organizada em torno da decisão que precisa de tomar, com cada conclusão ligada às provas fornecidas e as questões por resolver separadas dos factos estabelecidos.
GPT-5.5 suporta os níveis de esforço de raciocínio none, low, medium, high e xhigh, com medium como predefinição. A OpenAI recomenda considerar low antes de none quando um fluxo reativo ainda necessita de planeamento, pesquisa ou várias chamadas de ferramentas. none é adequado a tarefas diretas que não precisam desse processo de raciocínio. Um esforço maior não é automaticamente melhor: requisitos contraditórios, acesso a ferramentas sem limites definidos ou uma regra de paragem pouco clara podem levar a pesquisa e reflexão desnecessárias. Escolha o esforço para a tarefa real e torne explícitos o resultado final esperado e o critério de conclusão.
O produtor indica uma janela de contexto de 1 050 000 tokens e uma saída máxima de 128 000 tokens, com conhecimentos atualizados até 1 de dezembro de 2025. O contexto acomoda a conversa, o material fornecido e o conteúdo gerado; não é uma capacidade separada para somar à saída máxima. O raciocínio interno também consome tokens e capacidade de saída. Uma grande coleção de fontes deve, por isso, ser organizada em torno da pergunta, preservando identificadores importantes, unidades e limites entre documentos e deixando espaço suficiente para o raciocínio e a resposta final.
O tratamento de imagens difere das predefinições anteriores. Nas orientações da OpenAI para GPT-5.5, uma definição de detalhe de imagem não especificada ou auto usa o comportamento original, preservando uma imagem sem redimensionamento quando respeita simultaneamente o orçamento indicado de 10 240 000 píxeis e a dimensão máxima de 6 000 píxeis. Uma definição high selecionada explicitamente preserva o detalhe dentro de ambos os limites: o orçamento indicado de 2 500 000 píxeis e a dimensão máxima de 2 048 píxeis; low redimensiona mais intensamente as imagens com uma dimensão superior a 512 píxeis. São definições de processamento de imagens, não uma garantia de aceitação de todos os carregamentos. Para uma captura de ecrã, um diagrama ou uma página, identifique a região e a pergunta, forneça uma imagem legível e peça a observação ou interpretação de que precisa, em vez de uma descrição sem restrições.
A OpenAI documenta as interfaces Responses, Chat Completions e Batch, com transmissão progressiva, Structured Outputs, chamadas de funções, carregamento de ficheiros, entrada de imagens, pesquisa em ficheiros e na Web e colocação da entrada em cache. O conjunto de ferramentas documentado também inclui pesquisa de ferramentas, geração de imagens, interpretação de código, execução de comandos num ambiente alojado, aplicação de correções, competências, utilização do computador e MCP. Descreva a finalidade, os argumentos, os efeitos secundários e as informações devolvidas por cada ferramenta da aplicação. Um pedido de chamada de uma função da aplicação precisa de que a aplicação execute essa operação e devolva o resultado real; uma proposta de ação gerada não é prova de que a ação ocorreu. A modalidade de saída do próprio modelo continua a ser texto, enquanto uma ferramenta de geração de imagens pode produzir um resultado separado.
Para interações mais longas, preserve a informação necessária para distinguir trabalho intermédio de uma resposta concluída. O guia da OpenAI descreve os valores do campo phase do assistente, commentary e final, para comentários e respostas finais: as aplicações que reproduzem manualmente os elementos do assistente têm de conservar os valores phase originais, enquanto o encadeamento pelo mecanismo do produtor baseado na resposta anterior preserva esse estado automaticamente. Para a resposta visível, defina explicitamente a extensão, o tom e a estrutura desejados. GPT-5.5 usa por predefinição um estilo conciso e direto, e a verbosidade do texto tem medium como predefinição; um resultado compacto pode pedir verbosidade inferior sem eliminar provas ou ressalvas obrigatórias.
Um resultado final útil pode ser um ficheiro revisto com uma explicação focada da alteração, uma nota de decisão baseada em documentos identificados ou uma extração estruturada com valores em falta claramente assinalados. Forneça os factos que precisam de estar atualizados, em vez de depender da data-limite de conhecimentos do modelo, e compare afirmações importantes com o material original. Regras claras de prova, ferramentas delimitadas e condições de paragem explícitas ajudam GPT-5.5 a concluir uma tarefa substancial mantendo o resultado compreensível e verificável.
", "aboutText": "GPT-5.5 é o principal modelo de raciocínio da OpenAI para trabalho profissional complexo e programação. Aceita texto e imagens e devolve texto, combinando análise com utilização de ferramentas quando uma tarefa precisa de informação ou ações além da entrada fornecida. As orientações da OpenAI destacam a importância de partir de um resultado claro: explique o resultado de que precisa, as restrições a manter, as provas a usar e a condição que termina a tarefa.\n\nPara uma alteração de software substancial, forneça o material pertinente do repositório, o comportamento atual, o comportamento desejado e os critérios de aceitação. Identifique o que pode mudar e o que tem de continuar compatível. Um resultado útil a pedir é uma alteração proposta, uma explicação do comportamento afetado e provas das verificações que realmente foram executadas. Para uma tarefa com muitos documentos, identifique os documentos de origem e peça uma resposta organizada em torno da decisão que precisa de tomar, com cada conclusão ligada às provas fornecidas e as questões por resolver separadas dos factos estabelecidos.\n\nGPT-5.5 suporta os níveis de esforço de raciocínio none, low, medium, high e xhigh, com medium como predefinição. A OpenAI recomenda considerar low antes de none quando um fluxo reativo ainda necessita de planeamento, pesquisa ou várias chamadas de ferramentas. none é adequado a tarefas diretas que não precisam desse processo de raciocínio. Um esforço maior não é automaticamente melhor: requisitos contraditórios, acesso a ferramentas sem limites definidos ou uma regra de paragem pouco clara podem levar a pesquisa e reflexão desnecessárias. Escolha o esforço para a tarefa real e torne explícitos o resultado final esperado e o critério de conclusão.\n\nO produtor indica uma janela de contexto de 1 050 000 tokens e uma saída máxima de 128 000 tokens, com conhecimentos atualizados até 1 de dezembro de 2025. O contexto acomoda a conversa, o material fornecido e o conteúdo gerado; não é uma capacidade separada para somar à saída máxima. O raciocínio interno também consome tokens e capacidade de saída. Uma grande coleção de fontes deve, por isso, ser organizada em torno da pergunta, preservando identificadores importantes, unidades e limites entre documentos e deixando espaço suficiente para o raciocínio e a resposta final.\n\nO tratamento de imagens difere das predefinições anteriores. Nas orientações da OpenAI para GPT-5.5, uma definição de detalhe de imagem não especificada ou auto usa o comportamento original, preservando uma imagem sem redimensionamento quando respeita simultaneamente o orçamento indicado de 10 240 000 píxeis e a dimensão máxima de 6 000 píxeis. Uma definição high selecionada explicitamente preserva o detalhe dentro de ambos os limites: o orçamento indicado de 2 500 000 píxeis e a dimensão máxima de 2 048 píxeis; low redimensiona mais intensamente as imagens com uma dimensão superior a 512 píxeis. São definições de processamento de imagens, não uma garantia de aceitação de todos os carregamentos. Para uma captura de ecrã, um diagrama ou uma página, identifique a região e a pergunta, forneça uma imagem legível e peça a observação ou interpretação de que precisa, em vez de uma descrição sem restrições.\n\nA OpenAI documenta as interfaces Responses, Chat Completions e Batch, com transmissão progressiva, Structured Outputs, chamadas de funções, carregamento de ficheiros, entrada de imagens, pesquisa em ficheiros e na Web e colocação da entrada em cache. O conjunto de ferramentas documentado também inclui pesquisa de ferramentas, geração de imagens, interpretação de código, execução de comandos num ambiente alojado, aplicação de correções, competências, utilização do computador e MCP. Descreva a finalidade, os argumentos, os efeitos secundários e as informações devolvidas por cada ferramenta da aplicação. Um pedido de chamada de uma função da aplicação precisa de que a aplicação execute essa operação e devolva o resultado real; uma proposta de ação gerada não é prova de que a ação ocorreu. A modalidade de saída do próprio modelo continua a ser texto, enquanto uma ferramenta de geração de imagens pode produzir um resultado separado.\n\nPara interações mais longas, preserve a informação necessária para distinguir trabalho intermédio de uma resposta concluída. O guia da OpenAI descreve os valores do campo phase do assistente, commentary e final, para comentários e respostas finais: as aplicações que reproduzem manualmente os elementos do assistente têm de conservar os valores phase originais, enquanto o encadeamento pelo mecanismo do produtor baseado na resposta anterior preserva esse estado automaticamente. Para a resposta visível, defina explicitamente a extensão, o tom e a estrutura desejados. GPT-5.5 usa por predefinição um estilo conciso e direto, e a verbosidade do texto tem medium como predefinição; um resultado compacto pode pedir verbosidade inferior sem eliminar provas ou ressalvas obrigatórias.\n\nUm resultado final útil pode ser um ficheiro revisto com uma explicação focada da alteração, uma nota de decisão baseada em documentos identificados ou uma extração estruturada com valores em falta claramente assinalados. Forneça os factos que precisam de estar atualizados, em vez de depender da data-limite de conhecimentos do modelo, e compare afirmações importantes com o material original. Regras claras de prova, ferramentas delimitadas e condições de paragem explícitas ajudam GPT-5.5 a concluir uma tarefa substancial mantendo o resultado compreensível e verificável.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "bd06ad433ad0c60a3665b2cb855d9ca274204712e05bc63b73c9143e8d0d696c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "openai/gpt-5.5:batchGPT-5.5 da OpenAI trata trabalho profissional complexo e programação com entradas de texto e imagens, raciocínio configurável e um vasto conjunto de ferramentas. O contexto amplo permite trabalhar sobre material de origem volumoso e devolver um resultado textual claro e específico da tarefa.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-5.5 é o principal modelo de raciocínio da OpenAI para trabalho profissional complexo e programação. Aceita texto e imagens e devolve texto, combinando análise com utilização de ferramentas quando uma tarefa precisa de informação ou ações além da entrada fornecida. As orientações da OpenAI destacam a importância de partir de um resultado claro: explique o resultado de que precisa, as restrições a manter, as provas a usar e a condição que termina a tarefa.
Para uma alteração de software substancial, forneça o material pertinente do repositório, o comportamento atual, o comportamento desejado e os critérios de aceitação. Identifique o que pode mudar e o que tem de continuar compatível. Um resultado útil a pedir é uma alteração proposta, uma explicação do comportamento afetado e provas das verificações que realmente foram executadas. Para uma tarefa com muitos documentos, identifique os documentos de origem e peça uma resposta organizada em torno da decisão que precisa de tomar, com cada conclusão ligada às provas fornecidas e as questões por resolver separadas dos factos estabelecidos.
GPT-5.5 suporta os níveis de esforço de raciocínio none, low, medium, high e xhigh, com medium como predefinição. A OpenAI recomenda considerar low antes de none quando um fluxo reativo ainda necessita de planeamento, pesquisa ou várias chamadas de ferramentas. none é adequado a tarefas diretas que não precisam desse processo de raciocínio. Um esforço maior não é automaticamente melhor: requisitos contraditórios, acesso a ferramentas sem limites definidos ou uma regra de paragem pouco clara podem levar a pesquisa e reflexão desnecessárias. Escolha o esforço para a tarefa real e torne explícitos o resultado final esperado e o critério de conclusão.
O produtor indica uma janela de contexto de 1 050 000 tokens e uma saída máxima de 128 000 tokens, com conhecimentos atualizados até 1 de dezembro de 2025. O contexto acomoda a conversa, o material fornecido e o conteúdo gerado; não é uma capacidade separada para somar à saída máxima. O raciocínio interno também consome tokens e capacidade de saída. Uma grande coleção de fontes deve, por isso, ser organizada em torno da pergunta, preservando identificadores importantes, unidades e limites entre documentos e deixando espaço suficiente para o raciocínio e a resposta final.
O tratamento de imagens difere das predefinições anteriores. Nas orientações da OpenAI para GPT-5.5, uma definição de detalhe de imagem não especificada ou auto usa o comportamento original, preservando uma imagem sem redimensionamento quando respeita simultaneamente o orçamento indicado de 10 240 000 píxeis e a dimensão máxima de 6 000 píxeis. Uma definição high selecionada explicitamente preserva o detalhe dentro de ambos os limites: o orçamento indicado de 2 500 000 píxeis e a dimensão máxima de 2 048 píxeis; low redimensiona mais intensamente as imagens com uma dimensão superior a 512 píxeis. São definições de processamento de imagens, não uma garantia de aceitação de todos os carregamentos. Para uma captura de ecrã, um diagrama ou uma página, identifique a região e a pergunta, forneça uma imagem legível e peça a observação ou interpretação de que precisa, em vez de uma descrição sem restrições.
A OpenAI documenta as interfaces Responses, Chat Completions e Batch, com transmissão progressiva, Structured Outputs, chamadas de funções, carregamento de ficheiros, entrada de imagens, pesquisa em ficheiros e na Web e colocação da entrada em cache. O conjunto de ferramentas documentado também inclui pesquisa de ferramentas, geração de imagens, interpretação de código, execução de comandos num ambiente alojado, aplicação de correções, competências, utilização do computador e MCP. Descreva a finalidade, os argumentos, os efeitos secundários e as informações devolvidas por cada ferramenta da aplicação. Um pedido de chamada de uma função da aplicação precisa de que a aplicação execute essa operação e devolva o resultado real; uma proposta de ação gerada não é prova de que a ação ocorreu. A modalidade de saída do próprio modelo continua a ser texto, enquanto uma ferramenta de geração de imagens pode produzir um resultado separado.
Para interações mais longas, preserve a informação necessária para distinguir trabalho intermédio de uma resposta concluída. O guia da OpenAI descreve os valores do campo phase do assistente, commentary e final, para comentários e respostas finais: as aplicações que reproduzem manualmente os elementos do assistente têm de conservar os valores phase originais, enquanto o encadeamento pelo mecanismo do produtor baseado na resposta anterior preserva esse estado automaticamente. Para a resposta visível, defina explicitamente a extensão, o tom e a estrutura desejados. GPT-5.5 usa por predefinição um estilo conciso e direto, e a verbosidade do texto tem medium como predefinição; um resultado compacto pode pedir verbosidade inferior sem eliminar provas ou ressalvas obrigatórias.
Um resultado final útil pode ser um ficheiro revisto com uma explicação focada da alteração, uma nota de decisão baseada em documentos identificados ou uma extração estruturada com valores em falta claramente assinalados. Forneça os factos que precisam de estar atualizados, em vez de depender da data-limite de conhecimentos do modelo, e compare afirmações importantes com o material original. Regras claras de prova, ferramentas delimitadas e condições de paragem explícitas ajudam GPT-5.5 a concluir uma tarefa substancial mantendo o resultado compreensível e verificável.
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-5.5: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-5.5:batch, openai/gpt-5.5 | 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 $0.005 / 1K tokens Saída · Tokens de saída $0.03 / 1K tokens Entrada · Leitura da cache $0.0005 / 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 inclusive272 000 | Custo Entrada · Tokens de entrada $0.005 / 1K tokens Saída · Tokens de saída $0.03 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de272 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.01 / 1K tokens Saída · Tokens de saída $0.045 / 1K tokens Entrada · Leitura da cache $0.001 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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-5.5: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-5.5:batch', 'openai/gpt-5.5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.5: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-5.5:batch
Use os caminhos dos métodos indicados acima.