GPT-4o är OpenAI:s mångsidiga GPT-modell för text- och bildförståelse, skrivande och applikationsarbete. Bokstaven ”o” står för ”omni”, medan den här dokumenterade modellen tar emot text och bilder och returnerar text, inklusive Structured Outputs. En praktisk förfrågan kan kombinera ett skriftligt underlag med fotografier, skärmbilder eller dokumentsidor och be om en tydlig förklaring, ett bearbetat resultat eller definierade fält för nästa applikationssteg.
För en rapport anger du källdokumenten och vilket beslut rapporten ska stödja. Identifiera relevanta datum, enheter och underlagets etiketter och be sedan om en jämförelse som skiljer observationer, antaganden och saknad information åt. För en visuell uppgift pekar du ut det viktiga föremålet, diagrammet eller gränssnittstillståndet och tar med omgivande sammanhang. För en kodändring anger du den berörda koden, det önskade beteendet och de begränsningar som måste förbli intakta. Det är konkreta sätt att använda modellens text- och bildförmågor utan att förlita sig på att prompten underförstår hela uppgiften.
OpenAI:s aktuella GPT-4o-profil anger ett kontextfönster på 128 000 token, högst 16 384 token i utdata och en kunskapsgräns den 1 oktober 2023. Tillverkaren listar flera daterade GPT-4o-versioner separat. Samtalet, indatamaterialet och det genererade svaret delar kontextbudgeten, så en stor dokumentsamling behöver fortfarande organiseras och lämna plats för sitt slutresultat. Fakta som förändras eller kommer från ett privat system ska tillhandahållas direkt eller hämtas genom ett uttryckligen konfigurerat verktyg.
Bildguiden accepterar PNG, JPEG, WebP och icke-animerad GIF. GPT-4o stöder bilddetaljnivåerna low, high och auto; high och auto delar upp bilden i rutor för bearbetningen. Förstora små etiketter, håll texten rättvänd och bevara teckenförklaringen eller det omgivande diagrammet när ett diagram tolkas. De dokumenterade begränsningarna omfattar exakt rumslig lokalisering, ungefärlig räkning av föremål, viss text med andra än latinska skriftsystem samt panorama- och fisheyevyer. Modellen kan också beskriva en bild felaktigt, så spara källan och be om de specifika observationer som stöder en tolkning. I OpenAI:s dokumenterade bildarbetsflöde är den totala datamängden i förfrågan begränsad till 512 MB och en förfrågan kan innehålla upp till 1 500 bilder; bilderna och texten måste också rymmas i modellens kontext.
OpenAI:s arbetsflöde för filindata ger en modell med bildförståelse både extraherad text och sidbilder från PDF-filer. Andra kontorsdokument än PDF bidrar med extraherad text men inte sina inbäddade diagram, och kalkylblad kompletteras med data från upp till de första 1 000 raderna per blad. Varje fil måste vara mindre än 50 MB, med en sammanlagd gräns på 50 MB per förfrågan. Chat Completions stöder PDF-fildelar; det dokumenterade Responses-arbetsflödet accepterar ytterligare filformat. Välj en PDF-representation när visuell trohet är viktig och håll källidentifierarna synliga i resultatet.
Strömning kan returnera svaret medan det genereras. Structured Outputs begränsar ett färdigt svar till den delmängd av JSON Schema som stöds, vilket gör det användbart för dokumentextraktion eller ett applikationsobjekt med definierade fält. JSON-läge hanterar endast att JSON är giltig. Definiera de förväntade typerna, tillåtna värdena och hur avsaknad av underlag ska hanteras och behandla sedan uttryckliga avböjanden eller ofullständiga svar separat. Ett schema fastställer inte om ett värde är faktamässigt korrekt, så de begärda fälten ska kunna spåras till det tillhandahållna materialet.
Tillverkaren stöder funktionsanrop, webbsökning, filsökning, kodtolkning och MCP-anslutningar. Anpassade funktioner behöver meningsfulla beskrivningar och argumentscheman; applikationen utför den begärda åtgärden och returnerar dess resultat till nästa modellsteg. GPT-4o kan även styra ett separat bildgenereringsverktyg i ett konfigurerat Responses-arbetsflöde. En verktygsskapad bild är en egen artefakt, medan GPT-4o:s dokumenterade egna svar är text. Agentens slutliga förklaring ska använda faktiskt hämtade eller beräknade observationer och inte behandla ett föreslaget verktygsanrop som en utförd operation.
Predicted Outputs är tillgängligt för GPT-4o vid återskapande av till stor del känd text eller kod med små ändringar. Ange det befintliga innehållet och en exakt ändring och granska sedan det returnerade resultatet. Den här vägen stöder endast text och går inte att kombinera med funktionsanrop och utesluter logprobs, max_completion_tokens och flera andra inställningar. En verktygsbaserad förfrågan är ett separat val när svaret beror på ny information från en extern operation.
OpenAI dokumenterar finjustering för GPT-4o, och dess optimeringsguide anger specifikt versionen från den 6 augusti 2024 för bildfinjustering med bildexempel. Detta versionsspecifika anpassningsflöde skiljer sig från en vanlig förfrågan till modellaliaset. För vardagligt skrivande, analys eller extraktion börjar du med ett användbart underlag och ett exempel på önskad utdata. En uppföljning kan reda ut en saknad uppgift, ändra ett fält eller förfina samma resultat och samtidigt bevara uppgiftens underlag och begränsningar.
", "aboutText": "GPT-4o är OpenAI:s mångsidiga GPT-modell för text- och bildförståelse, skrivande och applikationsarbete. Bokstaven ”o” står för ”omni”, medan den här dokumenterade modellen tar emot text och bilder och returnerar text, inklusive Structured Outputs. En praktisk förfrågan kan kombinera ett skriftligt underlag med fotografier, skärmbilder eller dokumentsidor och be om en tydlig förklaring, ett bearbetat resultat eller definierade fält för nästa applikationssteg.\n\nFör en rapport anger du källdokumenten och vilket beslut rapporten ska stödja. Identifiera relevanta datum, enheter och underlagets etiketter och be sedan om en jämförelse som skiljer observationer, antaganden och saknad information åt. För en visuell uppgift pekar du ut det viktiga föremålet, diagrammet eller gränssnittstillståndet och tar med omgivande sammanhang. För en kodändring anger du den berörda koden, det önskade beteendet och de begränsningar som måste förbli intakta. Det är konkreta sätt att använda modellens text- och bildförmågor utan att förlita sig på att prompten underförstår hela uppgiften.\n\nOpenAI:s aktuella GPT-4o-profil anger ett kontextfönster på 128 000 token, högst 16 384 token i utdata och en kunskapsgräns den 1 oktober 2023. Tillverkaren listar flera daterade GPT-4o-versioner separat. Samtalet, indatamaterialet och det genererade svaret delar kontextbudgeten, så en stor dokumentsamling behöver fortfarande organiseras och lämna plats för sitt slutresultat. Fakta som förändras eller kommer från ett privat system ska tillhandahållas direkt eller hämtas genom ett uttryckligen konfigurerat verktyg.\n\nBildguiden accepterar PNG, JPEG, WebP och icke-animerad GIF. GPT-4o stöder bilddetaljnivåerna low, high och auto; high och auto delar upp bilden i rutor för bearbetningen. Förstora små etiketter, håll texten rättvänd och bevara teckenförklaringen eller det omgivande diagrammet när ett diagram tolkas. De dokumenterade begränsningarna omfattar exakt rumslig lokalisering, ungefärlig räkning av föremål, viss text med andra än latinska skriftsystem samt panorama- och fisheyevyer. Modellen kan också beskriva en bild felaktigt, så spara källan och be om de specifika observationer som stöder en tolkning. I OpenAI:s dokumenterade bildarbetsflöde är den totala datamängden i förfrågan begränsad till 512 MB och en förfrågan kan innehålla upp till 1 500 bilder; bilderna och texten måste också rymmas i modellens kontext.\n\nOpenAI:s arbetsflöde för filindata ger en modell med bildförståelse både extraherad text och sidbilder från PDF-filer. Andra kontorsdokument än PDF bidrar med extraherad text men inte sina inbäddade diagram, och kalkylblad kompletteras med data från upp till de första 1 000 raderna per blad. Varje fil måste vara mindre än 50 MB, med en sammanlagd gräns på 50 MB per förfrågan. Chat Completions stöder PDF-fildelar; det dokumenterade Responses-arbetsflödet accepterar ytterligare filformat. Välj en PDF-representation när visuell trohet är viktig och håll källidentifierarna synliga i resultatet.\n\nStrömning kan returnera svaret medan det genereras. Structured Outputs begränsar ett färdigt svar till den delmängd av JSON Schema som stöds, vilket gör det användbart för dokumentextraktion eller ett applikationsobjekt med definierade fält. JSON-läge hanterar endast att JSON är giltig. Definiera de förväntade typerna, tillåtna värdena och hur avsaknad av underlag ska hanteras och behandla sedan uttryckliga avböjanden eller ofullständiga svar separat. Ett schema fastställer inte om ett värde är faktamässigt korrekt, så de begärda fälten ska kunna spåras till det tillhandahållna materialet.\n\nTillverkaren stöder funktionsanrop, webbsökning, filsökning, kodtolkning och MCP-anslutningar. Anpassade funktioner behöver meningsfulla beskrivningar och argumentscheman; applikationen utför den begärda åtgärden och returnerar dess resultat till nästa modellsteg. GPT-4o kan även styra ett separat bildgenereringsverktyg i ett konfigurerat Responses-arbetsflöde. En verktygsskapad bild är en egen artefakt, medan GPT-4o:s dokumenterade egna svar är text. Agentens slutliga förklaring ska använda faktiskt hämtade eller beräknade observationer och inte behandla ett föreslaget verktygsanrop som en utförd operation.\n\nPredicted Outputs är tillgängligt för GPT-4o vid återskapande av till stor del känd text eller kod med små ändringar. Ange det befintliga innehållet och en exakt ändring och granska sedan det returnerade resultatet. Den här vägen stöder endast text och går inte att kombinera med funktionsanrop och utesluter logprobs, max_completion_tokens och flera andra inställningar. En verktygsbaserad förfrågan är ett separat val när svaret beror på ny information från en extern operation.\n\nOpenAI dokumenterar finjustering för GPT-4o, och dess optimeringsguide anger specifikt versionen från den 6 augusti 2024 för bildfinjustering med bildexempel. Detta versionsspecifika anpassningsflöde skiljer sig från en vanlig förfrågan till modellaliaset. För vardagligt skrivande, analys eller extraktion börjar du med ett användbart underlag och ett exempel på önskad utdata. En uppföljning kan reda ut en saknad uppgift, ändra ett fält eller förfina samma resultat och samtidigt bevara uppgiftens underlag och begränsningar.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "58a77d836d1b05b6c58d0521c77c8bbc75ed391cc03cc2916449636a88823471", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "openai/gpt-4o:batchGPT-4o kombinerar text- och bildförståelse med skrivande, programmering, Structured Outputs och applikationsverktyg. Använd den för att utveckla ett svar med stöd i underlag, tolka visuellt material eller returnera definierade fält ur en omfattande källsamling.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4o är OpenAI:s mångsidiga GPT-modell för text- och bildförståelse, skrivande och applikationsarbete. Bokstaven ”o” står för ”omni”, medan den här dokumenterade modellen tar emot text och bilder och returnerar text, inklusive Structured Outputs. En praktisk förfrågan kan kombinera ett skriftligt underlag med fotografier, skärmbilder eller dokumentsidor och be om en tydlig förklaring, ett bearbetat resultat eller definierade fält för nästa applikationssteg.
För en rapport anger du källdokumenten och vilket beslut rapporten ska stödja. Identifiera relevanta datum, enheter och underlagets etiketter och be sedan om en jämförelse som skiljer observationer, antaganden och saknad information åt. För en visuell uppgift pekar du ut det viktiga föremålet, diagrammet eller gränssnittstillståndet och tar med omgivande sammanhang. För en kodändring anger du den berörda koden, det önskade beteendet och de begränsningar som måste förbli intakta. Det är konkreta sätt att använda modellens text- och bildförmågor utan att förlita sig på att prompten underförstår hela uppgiften.
OpenAI:s aktuella GPT-4o-profil anger ett kontextfönster på 128 000 token, högst 16 384 token i utdata och en kunskapsgräns den 1 oktober 2023. Tillverkaren listar flera daterade GPT-4o-versioner separat. Samtalet, indatamaterialet och det genererade svaret delar kontextbudgeten, så en stor dokumentsamling behöver fortfarande organiseras och lämna plats för sitt slutresultat. Fakta som förändras eller kommer från ett privat system ska tillhandahållas direkt eller hämtas genom ett uttryckligen konfigurerat verktyg.
Bildguiden accepterar PNG, JPEG, WebP och icke-animerad GIF. GPT-4o stöder bilddetaljnivåerna low, high och auto; high och auto delar upp bilden i rutor för bearbetningen. Förstora små etiketter, håll texten rättvänd och bevara teckenförklaringen eller det omgivande diagrammet när ett diagram tolkas. De dokumenterade begränsningarna omfattar exakt rumslig lokalisering, ungefärlig räkning av föremål, viss text med andra än latinska skriftsystem samt panorama- och fisheyevyer. Modellen kan också beskriva en bild felaktigt, så spara källan och be om de specifika observationer som stöder en tolkning. I OpenAI:s dokumenterade bildarbetsflöde är den totala datamängden i förfrågan begränsad till 512 MB och en förfrågan kan innehålla upp till 1 500 bilder; bilderna och texten måste också rymmas i modellens kontext.
OpenAI:s arbetsflöde för filindata ger en modell med bildförståelse både extraherad text och sidbilder från PDF-filer. Andra kontorsdokument än PDF bidrar med extraherad text men inte sina inbäddade diagram, och kalkylblad kompletteras med data från upp till de första 1 000 raderna per blad. Varje fil måste vara mindre än 50 MB, med en sammanlagd gräns på 50 MB per förfrågan. Chat Completions stöder PDF-fildelar; det dokumenterade Responses-arbetsflödet accepterar ytterligare filformat. Välj en PDF-representation när visuell trohet är viktig och håll källidentifierarna synliga i resultatet.
Strömning kan returnera svaret medan det genereras. Structured Outputs begränsar ett färdigt svar till den delmängd av JSON Schema som stöds, vilket gör det användbart för dokumentextraktion eller ett applikationsobjekt med definierade fält. JSON-läge hanterar endast att JSON är giltig. Definiera de förväntade typerna, tillåtna värdena och hur avsaknad av underlag ska hanteras och behandla sedan uttryckliga avböjanden eller ofullständiga svar separat. Ett schema fastställer inte om ett värde är faktamässigt korrekt, så de begärda fälten ska kunna spåras till det tillhandahållna materialet.
Tillverkaren stöder funktionsanrop, webbsökning, filsökning, kodtolkning och MCP-anslutningar. Anpassade funktioner behöver meningsfulla beskrivningar och argumentscheman; applikationen utför den begärda åtgärden och returnerar dess resultat till nästa modellsteg. GPT-4o kan även styra ett separat bildgenereringsverktyg i ett konfigurerat Responses-arbetsflöde. En verktygsskapad bild är en egen artefakt, medan GPT-4o:s dokumenterade egna svar är text. Agentens slutliga förklaring ska använda faktiskt hämtade eller beräknade observationer och inte behandla ett föreslaget verktygsanrop som en utförd operation.
Predicted Outputs är tillgängligt för GPT-4o vid återskapande av till stor del känd text eller kod med små ändringar. Ange det befintliga innehållet och en exakt ändring och granska sedan det returnerade resultatet. Den här vägen stöder endast text och går inte att kombinera med funktionsanrop och utesluter logprobs, max_completion_tokens och flera andra inställningar. En verktygsbaserad förfrågan är ett separat val när svaret beror på ny information från en extern operation.
OpenAI dokumenterar finjustering för GPT-4o, och dess optimeringsguide anger specifikt versionen från den 6 augusti 2024 för bildfinjustering med bildexempel. Detta versionsspecifika anpassningsflöde skiljer sig från en vanlig förfrågan till modellaliaset. För vardagligt skrivande, analys eller extraktion börjar du med ett användbart underlag och ett exempel på önskad utdata. En uppföljning kan reda ut en saknad uppgift, ändra ett fält eller förfina samma resultat och samtidigt bevara uppgiftens underlag och begränsningar.
POST /v1/batchestexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältendpoint | Typstring | KravObligatoriskt | Värden & gränser /v1/chat/completions | Standard— |
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-4o:batch | Standard— |
Fältrequests | Typbatch_item[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältrequests[].custom_id | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältrequests[].body.messages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältcompletion_window | Typstring | KravValfritt | Värden & gränser 24h | Standard— |
Fältprovider | Typobject|null | KravValfritt | Värden & gränser | Standard— |
Fältrequests[].body.model | Typstring | KravValfritt | Värden & gränser openai/gpt-4o:batch, openai/gpt-4o | Standard— |
Fältprovider.only | Typstring[] | KravValfritt | Värden & gränser openai | Standard— |
Fältprovider.allow_fallbacks | Typboolean|null | KravValfritt | Värden & gränser false, null | Standard— |
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalendpoint, model, requests |
Parametermaterial_types | Avtaltext |
Parameterrepresentation | AvtalInbäddade requests[]; varje objekt har custom_id och body |
Parameterrequest_endpoint_profile | Avtal/v1/chat/completions |
Parameterfile_material | AvtalDen anropande klienten kan läsa in faktiska UTF-8 JSONL-data lokalt i requests[]. Inget uppladdningssyfte, input_file_id eller någon filreferens används. Om kundmaterial saknas eller är tomt avbryts förberedelserna före POST. |
Parameterserialization_order | Avtalendpoint, model, provider (om angivet), completion_window (om angivet), requests sist |
Parameteroptional_controls | Avtalprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | AvtalFörfrågningskroppar för Text Chat Completions i det dokumenterade inbäddade Batch-formatet. |
Livscykel: asynchronous
GET /v1/batches/{operation_id} · Det faktiska response.id från det ursprungliga skapandesvaret; samma användare/nyckel/grupp
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0025 / 1K token Utdata · Utdatatoken $0.01 / 1K token Indata · Cacheläsning $0.00125 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0025 / 1K token Utdata · Utdatatoken $0.01 / 1K token Indata · Cacheläsning $0.00125 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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-4o: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-4o:batch', 'openai/gpt-4o']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4o: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 i inbäddade 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\nBehåll varje fullständigt returnerat svar, fil och innehållsdel.
Spara hela det ursprungliga statusobjektet i JSON, varje resultat/custom_id och hela svars- eller felkroppen. Spara slutförda results[] som JSONL utan filtrering.
Behåll det ursprungliga operations-ID:t. Vid 503 result_pending_check gäller X-Should-Retry:false; skicka aldrig om en ursprunglig batch med okänt utfall.
| Fält | Typ |
|---|---|
Fältresults[].custom_id | Typstring |
Fältresults[].response.body.choices[].message.content | Typstring|null |
Fältresults[].error | Typobject|null |
Fältusage | Typobject|null |
Fältid | Typstring |
Fältmodel | Typstring |
Fältendpoint | Typstring |
Fältstatus | Typstring |
Fältrequest_counts | Typobject |
Fältresults[].id | Typstring |
Fältresults[].response.status_code | Typinteger |
Fältresults[].response.request_id | Typstring |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorFörfrågan har ett ogiltigt inbäddat format enligt dokumentationen, duplicerade nycklar eller en felaktig objektidentitet, eller står i konflikt med modellens konfigurerade funktioner. | Nästa stegRätta de angivna fälten innan du skickar en ny förfrågan. |
Svar401 · authentication_error | VillkorOgiltig API-nyckel. | Nästa stegAnvänd den behöriga Ailoot-nyckeln. |
Svar403 · permission_error | VillkorGrupp för batchkörning är inte tillgänglig. | Nästa stegKontrollera nyckelns/gruppens behörighet. |
Svar422 · invalid_request_error | VillkorBatchkörning debiteras från saldot; skapande via abonnemang avvisas. | Nästa stegAnvänd den behöriga gruppen med saldodebitering. |
Svar422 · price_unavailable | VillkorKostnaden för batchindata kan inte beräknas i förväg. | Nästa stegSpara svaret; använd det dokumenterade indataformatet för API-familjen. |
Svar402 · billing_error | VillkorReservation för batchkörning är inte tillgänglig. | Nästa stegSe till att villkoren för att godta förfrågan är uppfyllda innan du skickar en ny. |
Svar503 · price_unavailable | VillkorPriset för batchmetoden eller de inbyggda priserna är inte tillgängliga. | Nästa stegSpara svaret; ersätt inte priserna med andra. |
Svar503 · api_error | VillkorDen exakta leverantörsrutten är inte tillgänglig. | Nästa stegSpara svaret för att kunna reparera routningen. |
Svar503 · result_pending_check | VillkorDet ursprungliga resultatet behöver kontrolleras; X-Should-Retry:false. | Nästa stegBehåll det ursprungliga värdet för operation_id/id och läs av operationens status; upprepa aldrig det ursprungliga POST-anropet. |
Svar404 · not_found | VillkorOperationen för batchstatus saknas eller tillhör en annan identitet. | Nästa stegAnvänd exakt det ursprungliga id-värdet och samma användare/nyckel/grupp. |
Ailoot Ultra openai/gpt-4o:batch
Använd metodsökvägarna som visas ovan.