Source: https://ailoot.ai/models/pt-pt/openai-o3-u003a-batch/ Canonical: https://ailoot.ai/models/pt-pt/openai-o3-u003a-batch/ Language: pt-pt # OpenAI: o3 (batch) [Markdown](https://ailoot.ai/models/pt-pt/openai-o3-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/pt-pt/openai-o3-u003a-batch/facts.json) ## [OpenAI: o3 (batch)](https://ailoot.ai/models/pt-pt/openai-o3-u003a-batch/) OpenAI 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. - [**Ailoot Ultra · Processamento em lote** `POST /v1/batches` `openai/o3:batch`](https://ailoot.ai/models/pt-pt/openai-o3-u003a-batch/#method-0) Sobre o modelo 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. **Ailoot Ultra · Processamento em lote** `POST /v1/batches` `openai/o3:batch` [`openai/o3:batch`](https://ailoot.ai/models/pt-pt/#m=openai%2Fo3%3Abatch&route=Ultra&caller=openai%2Fo3%3Abatch&fmt=batches) OpenAI /`openai/o3:batch` ### Introdução OpenAI 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. Entradas aceites Texto Resultados Texto ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Processamento em lote** `POST /v1/batches` Entrada `text` Saída `text` Formato de saída JSON em linha de results\[\].response.body | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`endpoint` | Tipo`string` | RequisitoObrigatório | Valores e limites /v1/chat/completions | Predefinição— | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites openai/o3:batch | Predefinição— | | Campo`requests` | Tipo`batch_item[]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— | | Campo`requests[].custom_id` | Tipo`string` | RequisitoObrigatório | Valores e limites | Predefinição— | | Campo`requests[].body.messages` | Tipo`message[]` | RequisitoObrigatório | Valores e limites | Predefinição— | | Campo`completion_window` | Tipo`string` | RequisitoOpcional | Valores e limites 24h | Predefinição— | | Campo`provider` | Tipo`object\|null` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`requests[].body.model` | Tipo`string` | RequisitoOpcional | Valores e limites openai/o3:batch, openai/o3 | Predefinição— | | Campo`provider.only` | Tipo`string[]` | RequisitoOpcional | Valores e limites openai | Predefinição— | | Campo`provider.allow_fallbacks` | Tipo`boolean\|null` | RequisitoOpcional | Valores e limites false, null | Predefinição— | Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratoendpoint, model, requests | | Parâmetro`material_types` | Contratotext | | Parâmetro`representation` | Contratorequests\[\] em linha; cada item tem custom\_id e body | | Parâmetro`request_endpoint_profile` | Contrato/v1/chat/completions | | Parâmetro`file_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. | | Parâmetro`serialization_order` | Contratoendpoint, model, provider (se fornecido), completion\_window (se fornecido), requests em último lugar | | Parâmetro`optional_controls` | Contratoprovider.only, provider.allow\_fallbacks, completion\_window | | Parâmetro`schema_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 ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Não especificado Quando o modo rápido está selecionado Modo flex Não especificado Quando o modo flex está selecionado Esforço máximo de raciocínio Não especificado Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) Preços da cache explícita Não ativado Quando é pedida cache explícita #### Tarifas Ailoot #### Preços por configuração 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 **$0.0005** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Processamento em lote curl · dados de teste preservadosPython HTTP · JSONL real do clientePython · guarde cada resultado concluído ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json from pathlib import Path body=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/o3:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}') Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8") PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json ``` ```python import json, os from pathlib import Path from urllib.request import Request, urlopen def prepare_requests(customer_path): path = Path(customer_path) if not path.is_file(): raise ValueError("Customer JSONL file is missing") items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()] if not items: raise ValueError("Customer JSONL contains no requests") ids = set() for item in items: if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body") cid = item["custom_id"] if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique") ids.add(cid) if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages") supplied_model = item["body"].get("model") 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") return {"endpoint":"/v1/chat/completions", "model":"openai/o3:batch", "requests":items} if __name__ == "__main__": material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "") if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file") body = prepare_requests(material) key = os.environ.get("AILOOT_API_KEY", "") if not key: raise SystemExit("Set AILOOT_API_KEY") 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") with urlopen(request) as response: raw = response.read() Path("batch-create-response.json").write_bytes(raw) print(raw.decode("utf-8")) ``` ```python import json from pathlib import Path raw = Path("batch-status-response.json").read_bytes() response = json.loads(raw) if response.get("status") != "completed": raise SystemExit("Keep the original operation; read its status without resubmitting") results = response.get("results") if not isinstance(results, list) or not results: raise SystemExit("Preserve the original response; completed results are missing") Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8") # Preserve batch-status-response.json with aggregate usage and every result/error. ``` ### Receber e guardar os resultados #### Ailoot Ultra · Processamento em lote JSON em linha de results\[\].response.body - `GET /v1/batches/{operation_id}` ##### Verificar o estado da tarefa curl · estado da operação original ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" BATCH_OPERATION_ID="$(python3 - <<'PY_ID' import json from pathlib import Path from urllib.parse import quote response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8")) operation = response.get("id") if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit") print(quote(operation, safe="")) PY_ID )" curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \ -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json ``` ##### Guardar todos os resultados concluídos Guarde 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. ##### Se for necessário verificar a resposta original 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. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`results[].custom_id` | Tipostring | | Campo`results[].response.body.choices[].message.content` | Tipostring\|null | | Campo`results[].error` | Tipoobject\|null | | Campo`usage` | Tipoobject\|null | | Campo`id` | Tipostring | | Campo`model` | Tipostring | | Campo`endpoint` | Tipostring | | Campo`status` | Tipostring | | Campo`request_counts` | Tipoobject | | Campo`results[].id` | Tipostring | | Campo`results[].response.status_code` | Tipointeger | | Campo`results[].response.request_id` | Tipostring | Erros e passos seguintes | 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. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`openai/o3:batch`](https://ailoot.ai/models/pt-pt/#m=openai%2Fo3%3Abatch&route=Ultra&caller=openai%2Fo3%3Abatch&fmt=batches) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`openai/o3:batch`](https://ailoot.ai/models/pt-pt/#m=openai%2Fo3%3Abatch&route=Ultra&caller=openai%2Fo3%3Abatch&fmt=batches) FAQ · OpenAI: o3 (batch) Que entradas e resultados estão disponíveis? `POST /v1/batches` · `openai/o3:batch`: `text` → `text` Que campos utiliza o pedido? `POST /v1/batches` · `openai/o3:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider` Que limites se aplicam? `POST /v1/batches` · `openai/o3:batch`: `requests.min_items`: `1` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.