OpenAI: o4 Mini (batch)

OpenAI o4-mini é um modelo de raciocínio compacto centrado na programação eficiente e em tarefas visuais. Aceita texto e imagens, devolve texto e suporta respostas estruturadas e ferramentas para resolver um problema técnico delimitado ou extrair uma conclusão útil do material fornecido.

Ailoot Ultra · Processamento em lote POST /v1/batches openai/o4-mini:batch

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.

o4-mini é o modelo de raciocínio compacto da série o da OpenAI, otimizado para raciocínio rápido e eficaz em tarefas de programação e visuais. Aceita texto e imagens e produz texto. O seu papel útil é tratar um problema técnico definido que exige análise antes da resposta: compreender uma falha no código, interpretar um diagrama, relacionar factos no material fornecido ou produzir um resultado estruturado que um passo posterior possa usar.

Para programação, forneça ao modelo a função ou os ficheiros relevantes, o comportamento esperado e a entrada exata que provoca a falha ou o erro. Inclua os detalhes da linguagem e do ambiente que afetam o resultado. Um pedido focado pode solicitar a causa provável, uma proposta de correção mínima e uma explicação de como a alteração resolve o comportamento observado. Defina os limites da alteração, como preservar a interface pública ou o significado dos dados existentes, para que o resultado possa ser revisto em relação à tarefa real.

Para um problema visual, forneça uma captura de ecrã, um diagrama ou um gráfico legível e identifique a pergunta a que deve responder. Mantenha visíveis os rótulos, os eixos e as unidades relevantes. Um exemplo de instruções é explicar o que um gráfico sustenta, identificar as observações usadas e separar um valor visível de uma inferência. Para uma tarefa documental, identifique o material de origem e defina os campos ou as relações necessários na resposta. Mesmo um modelo compacto beneficia de informação completa sobre o problema e de um pedido preciso sobre o resultado a produzir.

A OpenAI especifica 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. Os tokens de raciocínio consomem tanto a capacidade do contexto como a da saída, por isso deixe espaço para a análise e a resposta final, em vez de preencher toda a capacidade com a entrada. Atingir um limite de contexto ou saída pode produzir uma resposta incompleta antes de qualquer resposta visível. Uma resposta final curta pode ainda exigir raciocínio interno; só o seu comprimento visível não descreve o orçamento total de tokens.

A página específica do modelo o4-mini lista as interfaces Chat Completions, Responses, Batch e de ajustamento fino. As funcionalidades documentadas incluem transmissão em contínuo, Structured Outputs, chamadas de funções, carregamento de ficheiros, imagens à entrada, pesquisa em ficheiros, cache de prompts e ajustamento fino. O conjunto de ferramentas lista pesquisa na Web e em ficheiros, interpretação de código e ligações MCP. Dê a uma ferramenta da aplicação um objetivo claro e um contrato de entrada, devolva o resultado real e peça ao modelo para usar esse resultado na decisão seguinte. Uma chamada de função pedida é uma proposta de ação, enquanto uma resposta final estruturada organiza a informação produzida pela tarefa.

As orientações da OpenAI para a elaboração de prompts da série o recomendam um objetivo simples e direto, com restrições explícitas e delimitadores claros à volta do material de origem. Deixe o modelo analisar o problema internamente; peça a explicação final, as provas ou o cálculo de que precisa, em vez de uma transcrição do raciocínio oculto. Experimente primeiro instruções claras para a tarefa e acrescente exemplos se um formato obrigatório ou o limite de uma categoria continuar pouco claro. Um exemplo deve demonstrar as mesmas regras da tarefa real, incluindo como representar informação em falta.

Para aplicações que precisam de uma explicação facultativa do processo de raciocínio, o guia de raciocínio da OpenAI documenta explicitamente resumos detalhados do raciocínio para o4-mini. É necessário pedir um resumo, que é distinto dos tokens brutos de raciocínio interno, os quais não são expostos. A resposta final continua a ter de conter o resultado pedido pelo utilizador: por exemplo, uma proposta de alteração de código, a interpretação de um gráfico com as observações relevantes ou campos extraídos e ligados ao material fornecido. Forneça factos recentes quando forem importantes, verifique afirmações importantes face à respetiva fonte e use uma tarefa delimitada e um critério de conclusão para manter o fluxo de trabalho focado.

Ailoot Ultra · Processamento em lote POST /v1/batches openai/o4-mini:batch

openai/o4-mini:batch

OpenAI /openai/o4-mini:batch

Introdução

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/o4-mini: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/o4-mini:batch, openai/o4-mini	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 $0.0011 / 1K tokens Saída · Tokens de saída $0.0044 / 1K tokens Entrada · Leitura da cache $0.000275 / 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 $0.0011 / 1K tokens Saída · Tokens de saída $0.0044 / 1K tokens Entrada · Leitura da cache $0.000275 / 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 →

Exemplos de pedidos

Ailoot Ultra · Processamento em lote

curl · dados de teste preservadosPython HTTP · JSONL real do clientePython · guarde cada resultado concluído

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/o4-mini: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

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/o4-mini:batch', 'openai/o4-mini']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"openai/o4-mini: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"))

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

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/o4-mini:batch

Aliases dos caminhos dos métodos

Use os caminhos dos métodos indicados acima.

IDs de chamada relacionados

openai/o4-mini:batch

FAQ · OpenAI: o4 Mini (batch)

Que entradas e resultados estão disponíveis?: POST /v1/batches · openai/o4-mini:batch: text → text
Que campos utiliza o pedido?: POST /v1/batches · openai/o4-mini:batch: endpoint, model, requests, completion_window, provider
Que limites se aplicam?: POST /v1/batches · openai/o4-mini:batch: requests.min_items: 1

OpenAI: o4 Mini (batch)