gpt-oss-120b är OpenAI:s större språkmodell med öppna vikter för generellt resonemang, programmering och agentarbete. Den tar emot och producerar text. Tillverkaren publicerar totalt 117 miljarder parametrar med 5.1 miljarder aktiva parametrar per token i en arkitektur med en blandning av experter. Detta är familjens 120b-utgåva, separat från gpt-oss-20b och de specialiserade Safeguard-modellerna.
Lanseringen beskriver ett huvudsakligen engelskspråkigt träningsmaterial med enbart text, inriktat på STEM, programmering och allmänkunskap. En exempeluppgift är att analysera en algoritm utifrån dess kod och angivna villkor: förklara viktiga samband, jämför möjliga tillvägagångssätt och ta fram ett konkret implementationsförslag. För ett dokumentbaserat beslut ska du lämna materialet och kriterierna och sedan be om en slutsats kopplad till det underlag du tillhandahållit.
OpenAI:s publicerade arkitektur har 36 lager, 128 experter och fyra aktiva experter per token. Den ursprungliga utgåvan använder MXFP4 för vikterna i expertblandningen och beskriver modellen som körbar inom en GPU med 80 GB minne. OpenAI ger ut vikterna under Apache 2.0 och stöder finjustering för specialiserade användningsfall. Detta är egenskaper hos tillverkarens publicerade modell och format, inte en beskrivning av en applikations specifika driftsättning.
Modelldokumentationen anger ett kontextfönster på 131 072 token och en maximal genererad utdata på 131 072 token, med en kunskapsgräns den 1 juni 2024. Indata, resonemang och utdata måste rymmas i den tillgängliga kontexten. De stödda resonemangsnivåerna är low, medium och high, vilket låter en uppgift begära ett kort dialogsvar eller en djupare analys. OpenAI kräver Harmony-formatet, som skiljer intern analys från slutsvaret; tillverkaren anger att obearbetad analys är avsedd för utvecklarbruk, inte för direkt visning för slutanvändare.
Tillverkaren dokumenterar funktionsanrop, webbläsning, körning av Python-kod via verktyg och Structured Outputs. Modellbeskrivningen anger också strömning, med funktioner, kodtolk, MCP och sökfunktioner i den dokumenterade verktygsmiljön. Applikationer tillhandahåller operationer, utför sina åtgärder och returnerar faktiska resultat. En beräkning eller sökning kan sedan bli underlag för ett annat resonemangssteg, medan en föreslagen verktygsbegäran förblir åtskild från en operation som har körts.
Förbered ett tydligt mål, definitioner och den användbara slutliga artefakten: en förklaring, ett kodförslag, en formel eller en strukturerad uppsättning iakttagelser. Identifiera vilka fakta som måste bevaras genom en omvandling och hur saknad information ska representeras. Ett användbart slutsvar kopplar slutsatsen till de tillhandahållna villkoren och eventuella faktiska verktygsresultat. Vid en uppföljning ska du föra vidare det betydelsefulla underlaget och det beslut som återstår att fatta till nästa begäran.
", "aboutText": "gpt-oss-120b är OpenAI:s större språkmodell med öppna vikter för generellt resonemang, programmering och agentarbete. Den tar emot och producerar text. Tillverkaren publicerar totalt 117 miljarder parametrar med 5.1 miljarder aktiva parametrar per token i en arkitektur med en blandning av experter. Detta är familjens 120b-utgåva, separat från gpt-oss-20b och de specialiserade Safeguard-modellerna.\n\nLanseringen beskriver ett huvudsakligen engelskspråkigt träningsmaterial med enbart text, inriktat på STEM, programmering och allmänkunskap. En exempeluppgift är att analysera en algoritm utifrån dess kod och angivna villkor: förklara viktiga samband, jämför möjliga tillvägagångssätt och ta fram ett konkret implementationsförslag. För ett dokumentbaserat beslut ska du lämna materialet och kriterierna och sedan be om en slutsats kopplad till det underlag du tillhandahållit.\n\nOpenAI:s publicerade arkitektur har 36 lager, 128 experter och fyra aktiva experter per token. Den ursprungliga utgåvan använder MXFP4 för vikterna i expertblandningen och beskriver modellen som körbar inom en GPU med 80 GB minne. OpenAI ger ut vikterna under Apache 2.0 och stöder finjustering för specialiserade användningsfall. Detta är egenskaper hos tillverkarens publicerade modell och format, inte en beskrivning av en applikations specifika driftsättning.\n\nModelldokumentationen anger ett kontextfönster på 131 072 token och en maximal genererad utdata på 131 072 token, med en kunskapsgräns den 1 juni 2024. Indata, resonemang och utdata måste rymmas i den tillgängliga kontexten. De stödda resonemangsnivåerna är low, medium och high, vilket låter en uppgift begära ett kort dialogsvar eller en djupare analys. OpenAI kräver Harmony-formatet, som skiljer intern analys från slutsvaret; tillverkaren anger att obearbetad analys är avsedd för utvecklarbruk, inte för direkt visning för slutanvändare.\n\nTillverkaren dokumenterar funktionsanrop, webbläsning, körning av Python-kod via verktyg och Structured Outputs. Modellbeskrivningen anger också strömning, med funktioner, kodtolk, MCP och sökfunktioner i den dokumenterade verktygsmiljön. Applikationer tillhandahåller operationer, utför sina åtgärder och returnerar faktiska resultat. En beräkning eller sökning kan sedan bli underlag för ett annat resonemangssteg, medan en föreslagen verktygsbegäran förblir åtskild från en operation som har körts.\n\nFörbered ett tydligt mål, definitioner och den användbara slutliga artefakten: en förklaring, ett kodförslag, en formel eller en strukturerad uppsättning iakttagelser. Identifiera vilka fakta som måste bevaras genom en omvandling och hur saknad information ska representeras. Ett användbart slutsvar kopplar slutsatsen till de tillhandahållna villkoren och eventuella faktiska verktygsresultat. Vid en uppföljning ska du föra vidare det betydelsefulla underlaget och det beslut som återstår att fatta till nästa begäran.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ee3e12ea5fc48314512cc6e02581cfa7764a1a6aa7a25e99498971dae2377363", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "openai/gpt-oss-120b:batchOpenAI:s större gpt-oss-modell med öppna vikter använder resonemang med en blandning av experter för text, programmering och agentarbete. Den stöder resonemangsnivåerna låg, medel och hög, funktionsanrop och Structured Outputs i en miljö med anslutna verktyg.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
gpt-oss-120b är OpenAI:s större språkmodell med öppna vikter för generellt resonemang, programmering och agentarbete. Den tar emot och producerar text. Tillverkaren publicerar totalt 117 miljarder parametrar med 5.1 miljarder aktiva parametrar per token i en arkitektur med en blandning av experter. Detta är familjens 120b-utgåva, separat från gpt-oss-20b och de specialiserade Safeguard-modellerna.
Lanseringen beskriver ett huvudsakligen engelskspråkigt träningsmaterial med enbart text, inriktat på STEM, programmering och allmänkunskap. En exempeluppgift är att analysera en algoritm utifrån dess kod och angivna villkor: förklara viktiga samband, jämför möjliga tillvägagångssätt och ta fram ett konkret implementationsförslag. För ett dokumentbaserat beslut ska du lämna materialet och kriterierna och sedan be om en slutsats kopplad till det underlag du tillhandahållit.
OpenAI:s publicerade arkitektur har 36 lager, 128 experter och fyra aktiva experter per token. Den ursprungliga utgåvan använder MXFP4 för vikterna i expertblandningen och beskriver modellen som körbar inom en GPU med 80 GB minne. OpenAI ger ut vikterna under Apache 2.0 och stöder finjustering för specialiserade användningsfall. Detta är egenskaper hos tillverkarens publicerade modell och format, inte en beskrivning av en applikations specifika driftsättning.
Modelldokumentationen anger ett kontextfönster på 131 072 token och en maximal genererad utdata på 131 072 token, med en kunskapsgräns den 1 juni 2024. Indata, resonemang och utdata måste rymmas i den tillgängliga kontexten. De stödda resonemangsnivåerna är low, medium och high, vilket låter en uppgift begära ett kort dialogsvar eller en djupare analys. OpenAI kräver Harmony-formatet, som skiljer intern analys från slutsvaret; tillverkaren anger att obearbetad analys är avsedd för utvecklarbruk, inte för direkt visning för slutanvändare.
Tillverkaren dokumenterar funktionsanrop, webbläsning, körning av Python-kod via verktyg och Structured Outputs. Modellbeskrivningen anger också strömning, med funktioner, kodtolk, MCP och sökfunktioner i den dokumenterade verktygsmiljön. Applikationer tillhandahåller operationer, utför sina åtgärder och returnerar faktiska resultat. En beräkning eller sökning kan sedan bli underlag för ett annat resonemangssteg, medan en föreslagen verktygsbegäran förblir åtskild från en operation som har körts.
Förbered ett tydligt mål, definitioner och den användbara slutliga artefakten: en förklaring, ett kodförslag, en formel eller en strukturerad uppsättning iakttagelser. Identifiera vilka fakta som måste bevaras genom en omvandling och hur saknad information ska representeras. Ett användbart slutsvar kopplar slutsatsen till de tillhandahållna villkoren och eventuella faktiska verktygsresultat. Vid en uppföljning ska du föra vidare det betydelsefulla underlaget och det beslut som återstår att fatta till nästa begäran.
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-oss-120b: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-oss-120b:batch, openai/gpt-oss-120b | Standard— |
Fältprovider.only | Typstring[] | KravValfritt | Värden & gränser deepinfra/bf16 | 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 $0.0000592 / 1K token Utdata · Utdatatoken $0.000272 / 1K token Indata · Cacheläsning — / 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 $0.0000592 / 1K token Utdata · Utdatatoken $0.000272 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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-oss-120b: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-oss-120b:batch', 'openai/gpt-oss-120b']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-oss-120b: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-oss-120b:batch
Använd metodsökvägarna som visas ovan.