o3 é o modelo de raciocínio de uso geral da série o da OpenAI para tarefas complexas. O fabricante destaca matemática, ciência, programação, raciocínio visual, escrita técnica e cumprimento de instruções. Aceita texto e imagens e produz texto, pelo que uma tarefa pode combinar um problema escrito, código e um diagrama, em vez de tratar cada fonte como uma pergunta isolada. O resultado pretendido é uma resposta ponderada a um problema com vários passos, com a informação necessária para avaliar essa resposta.
Para uma pergunta matemática ou científica, forneça o problema completo, as definições, as quantidades conhecidas, as unidades e as restrições. Indique se precisa de uma dedução, um resultado numérico, uma comparação de hipóteses ou uma explicação para um público específico. Um exemplo de instruções para a saída é: identificar os pressupostos relevantes, apresentar a solução com as suas unidades e explicar quais os factos fornecidos que a sustentam. Peça uma explicação útil na resposta final; os tokens internos de raciocínio da OpenAI não são expostos como a sequência bruta de trabalho do modelo.
Para trabalho de software, forneça o código relevante, o comportamento esperado e a falha observada, incluindo o erro exato ou a entrada que o revela. Peça a o3 para relacionar os sintomas com uma causa plausível e propor uma alteração focada com uma explicação. Uma tarefa visual pode incluir um diagrama, uma captura de ecrã ou um resultado representado num gráfico: identifique a pergunta e os rótulos ou a região relevantes, mantenha uma escala legível e peça uma conclusão ligada ao que é efetivamente visível. Estes passos de preparação dão ao modelo um problema definido e uma saída concreta, em vez de um pedido sem limites para inspecionar tudo.
A OpenAI lista uma janela de contexto de 200 000 tokens, uma saída máxima de 100 000 tokens e uma data limite de conhecimentos de 1 de junho de 2024. O raciocínio interno usa a capacidade do contexto e da saída juntamente com a resposta visível. A saída máxima não é, por isso, uma promessa de 100 000 tokens de resposta visível e o contexto não é uma capacidade de saída adicional independente. Deixe espaço após o material de entrada para a análise e o resultado pedido. O guia de raciocínio do produtor descreve respostas incompletas quando se atinge um limite de contexto ou saída; isto pode acontecer antes de aparecer uma resposta visível.
A especificação exata de o3 documenta as interfaces Chat Completions, Responses e Batch, juntamente com transmissão em contínuo, Structured Outputs, chamadas de funções, carregamento de ficheiros, imagens à entrada, pesquisa em ficheiros e cache de prompts. As ferramentas documentadas incluem pesquisa na Web e em ficheiros, interpretação de código, geração de imagens e ligações MCP. Um resultado de pesquisa ou um cálculo são elementos adicionais para a tarefa, enquanto uma chamada de função pede uma operação à aplicação envolvente. Mantenha os elementos devolvidos associados à pergunta a que respondem e distinga uma ação proposta de um resultado confirmado. A saída do próprio modelo continua a ser texto mesmo quando uma ferramenta de geração de imagens cria um resultado separado.
As orientações de raciocínio da OpenAI favorecem instruções simples e diretas, com limites claros entre instruções e material de origem. Indique o objetivo, as restrições e o formato de resposta obrigatório, em vez de prescrever o processo de pensamento privado do modelo. Use exemplos quando esclarecem um formato difícil ou uma regra de decisão e mantenha esses exemplos coerentes com os requisitos reais. Para um documento técnico longo, identifique secções e peça as passagens ou relações relevantes para uma pergunta específica; para revisão de código, especifique o comportamento e o risco que pretende investigar.
Um resultado útil de o3 pode ser uma explicação técnica desenvolvida, uma análise de um diagrama, uma correção de código documentada ou uma comparação fundamentada no material fornecido. Torne explícitos os pressupostos sem suporte e a informação em falta e verifique os cálculos decisivos ou o comportamento do código face ao problema original. A data limite de conhecimentos significa que factos recentes precisam de material fornecido ou de uma ferramenta de informação adequada. Elementos claros, um critério explícito de conclusão e espaço suficiente para a saída ajudam a transformar uma tarefa ampla de raciocínio num resultado que outra pessoa possa inspecionar e usar.
", "aboutText": "o3 é o modelo de raciocínio de uso geral da série o da OpenAI para tarefas complexas. O fabricante destaca matemática, ciência, programação, raciocínio visual, escrita técnica e cumprimento de instruções. Aceita texto e imagens e produz texto, pelo que uma tarefa pode combinar um problema escrito, código e um diagrama, em vez de tratar cada fonte como uma pergunta isolada. O resultado pretendido é uma resposta ponderada a um problema com vários passos, com a informação necessária para avaliar essa resposta.\n\nPara uma pergunta matemática ou científica, forneça o problema completo, as definições, as quantidades conhecidas, as unidades e as restrições. Indique se precisa de uma dedução, um resultado numérico, uma comparação de hipóteses ou uma explicação para um público específico. Um exemplo de instruções para a saída é: identificar os pressupostos relevantes, apresentar a solução com as suas unidades e explicar quais os factos fornecidos que a sustentam. Peça uma explicação útil na resposta final; os tokens internos de raciocínio da OpenAI não são expostos como a sequência bruta de trabalho do modelo.\n\nPara trabalho de software, forneça o código relevante, o comportamento esperado e a falha observada, incluindo o erro exato ou a entrada que o revela. Peça a o3 para relacionar os sintomas com uma causa plausível e propor uma alteração focada com uma explicação. Uma tarefa visual pode incluir um diagrama, uma captura de ecrã ou um resultado representado num gráfico: identifique a pergunta e os rótulos ou a região relevantes, mantenha uma escala legível e peça uma conclusão ligada ao que é efetivamente visível. Estes passos de preparação dão ao modelo um problema definido e uma saída concreta, em vez de um pedido sem limites para inspecionar tudo.\n\nA OpenAI lista uma janela de contexto de 200 000 tokens, uma saída máxima de 100 000 tokens e uma data limite de conhecimentos de 1 de junho de 2024. O raciocínio interno usa a capacidade do contexto e da saída juntamente com a resposta visível. A saída máxima não é, por isso, uma promessa de 100 000 tokens de resposta visível e o contexto não é uma capacidade de saída adicional independente. Deixe espaço após o material de entrada para a análise e o resultado pedido. O guia de raciocínio do produtor descreve respostas incompletas quando se atinge um limite de contexto ou saída; isto pode acontecer antes de aparecer uma resposta visível.\n\nA especificação exata de o3 documenta as interfaces Chat Completions, Responses e Batch, juntamente com transmissão em contínuo, Structured Outputs, chamadas de funções, carregamento de ficheiros, imagens à entrada, pesquisa em ficheiros e cache de prompts. As ferramentas documentadas incluem pesquisa na Web e em ficheiros, interpretação de código, geração de imagens e ligações MCP. Um resultado de pesquisa ou um cálculo são elementos adicionais para a tarefa, enquanto uma chamada de função pede uma operação à aplicação envolvente. Mantenha os elementos devolvidos associados à pergunta a que respondem e distinga uma ação proposta de um resultado confirmado. A saída do próprio modelo continua a ser texto mesmo quando uma ferramenta de geração de imagens cria um resultado separado.\n\nAs orientações de raciocínio da OpenAI favorecem instruções simples e diretas, com limites claros entre instruções e material de origem. Indique o objetivo, as restrições e o formato de resposta obrigatório, em vez de prescrever o processo de pensamento privado do modelo. Use exemplos quando esclarecem um formato difícil ou uma regra de decisão e mantenha esses exemplos coerentes com os requisitos reais. Para um documento técnico longo, identifique secções e peça as passagens ou relações relevantes para uma pergunta específica; para revisão de código, especifique o comportamento e o risco que pretende investigar.\n\nUm resultado útil de o3 pode ser uma explicação técnica desenvolvida, uma análise de um diagrama, uma correção de código documentada ou uma comparação fundamentada no material fornecido. Torne explícitos os pressupostos sem suporte e a informação em falta e verifique os cálculos decisivos ou o comportamento do código face ao problema original. A data limite de conhecimentos significa que factos recentes precisam de material fornecido ou de uma ferramenta de informação adequada. Elementos claros, um critério explícito de conclusão e espaço suficiente para a saída ajudam a transformar uma tarefa ampla de raciocínio num resultado que outra pessoa possa inspecionar e usar.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "56fa4a6d5bfc1a16b8cd037b2bedc95ab4f2fe42823ffd4bf281bf18cf014a43", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "openai/o3:batchOpenAI o3 é um modelo de raciocínio para trabalho em vários passos em matemática, ciência, código e imagens. Devolve texto e suporta respostas estruturadas e uso de ferramentas, sendo útil para investigar um problema técnico e produzir uma explicação ou proposta de solução baseada em elementos de prova.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
o3 é o modelo de raciocínio de uso geral da série o da OpenAI para tarefas complexas. O fabricante destaca matemática, ciência, programação, raciocínio visual, escrita técnica e cumprimento de instruções. Aceita texto e imagens e produz texto, pelo que uma tarefa pode combinar um problema escrito, código e um diagrama, em vez de tratar cada fonte como uma pergunta isolada. O resultado pretendido é uma resposta ponderada a um problema com vários passos, com a informação necessária para avaliar essa resposta.
Para uma pergunta matemática ou científica, forneça o problema completo, as definições, as quantidades conhecidas, as unidades e as restrições. Indique se precisa de uma dedução, um resultado numérico, uma comparação de hipóteses ou uma explicação para um público específico. Um exemplo de instruções para a saída é: identificar os pressupostos relevantes, apresentar a solução com as suas unidades e explicar quais os factos fornecidos que a sustentam. Peça uma explicação útil na resposta final; os tokens internos de raciocínio da OpenAI não são expostos como a sequência bruta de trabalho do modelo.
Para trabalho de software, forneça o código relevante, o comportamento esperado e a falha observada, incluindo o erro exato ou a entrada que o revela. Peça a o3 para relacionar os sintomas com uma causa plausível e propor uma alteração focada com uma explicação. Uma tarefa visual pode incluir um diagrama, uma captura de ecrã ou um resultado representado num gráfico: identifique a pergunta e os rótulos ou a região relevantes, mantenha uma escala legível e peça uma conclusão ligada ao que é efetivamente visível. Estes passos de preparação dão ao modelo um problema definido e uma saída concreta, em vez de um pedido sem limites para inspecionar tudo.
A OpenAI lista uma janela de contexto de 200 000 tokens, uma saída máxima de 100 000 tokens e uma data limite de conhecimentos de 1 de junho de 2024. O raciocínio interno usa a capacidade do contexto e da saída juntamente com a resposta visível. A saída máxima não é, por isso, uma promessa de 100 000 tokens de resposta visível e o contexto não é uma capacidade de saída adicional independente. Deixe espaço após o material de entrada para a análise e o resultado pedido. O guia de raciocínio do produtor descreve respostas incompletas quando se atinge um limite de contexto ou saída; isto pode acontecer antes de aparecer uma resposta visível.
A especificação exata de o3 documenta as interfaces Chat Completions, Responses e Batch, juntamente com transmissão em contínuo, Structured Outputs, chamadas de funções, carregamento de ficheiros, imagens à entrada, pesquisa em ficheiros e cache de prompts. As ferramentas documentadas incluem pesquisa na Web e em ficheiros, interpretação de código, geração de imagens e ligações MCP. Um resultado de pesquisa ou um cálculo são elementos adicionais para a tarefa, enquanto uma chamada de função pede uma operação à aplicação envolvente. Mantenha os elementos devolvidos associados à pergunta a que respondem e distinga uma ação proposta de um resultado confirmado. A saída do próprio modelo continua a ser texto mesmo quando uma ferramenta de geração de imagens cria um resultado separado.
As orientações de raciocínio da OpenAI favorecem instruções simples e diretas, com limites claros entre instruções e material de origem. Indique o objetivo, as restrições e o formato de resposta obrigatório, em vez de prescrever o processo de pensamento privado do modelo. Use exemplos quando esclarecem um formato difícil ou uma regra de decisão e mantenha esses exemplos coerentes com os requisitos reais. Para um documento técnico longo, identifique secções e peça as passagens ou relações relevantes para uma pergunta específica; para revisão de código, especifique o comportamento e o risco que pretende investigar.
Um resultado útil de o3 pode ser uma explicação técnica desenvolvida, uma análise de um diagrama, uma correção de código documentada ou uma comparação fundamentada no material fornecido. Torne explícitos os pressupostos sem suporte e a informação em falta e verifique os cálculos decisivos ou o comportamento do código face ao problema original. A data limite de conhecimentos significa que factos recentes precisam de material fornecido ou de uma ferramenta de informação adequada. Elementos claros, um critério explícito de conclusão e espaço suficiente para a saída ajudam a transformar uma tarefa ampla de raciocínio num resultado que outra pessoa possa inspecionar e usar.
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/o3: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/o3:batch, openai/o3 | 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 $0.002 / 1K tokens Saída · Tokens de saída $0.008 / 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 inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.002 / 1K tokens Saída · Tokens de saída $0.008 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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/o3: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/o3:batch', 'openai/o3']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/o3: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/o3:batch
Use os caminhos dos métodos indicados acima.