o3 är OpenAI:s generella resonemangsmodell i o-serien för komplexa uppgifter. Tillverkaren lyfter fram matematik, naturvetenskap, programmering, visuellt resonemang, tekniskt skrivande och att följa instruktioner. Modellen tar emot text och bilder och producerar text, så en uppgift kan kombinera ett skriftligt problem, kod och ett diagram i stället för att behandla varje källa som en isolerad fråga. Det avsedda resultatet är ett genomtänkt svar på ett problem i flera steg, tillsammans med den information som behövs för att bedöma svaret.
För en matematisk eller naturvetenskaplig fråga ska du lämna hela problemet, definitionerna, kända storheter, enheter och begränsningar. Ange om du behöver en härledning, ett numeriskt resultat, en jämförelse av hypoteser eller en förklaring för en viss målgrupp. Ett exempel på en instruktion för resultatet är: identifiera relevanta antaganden, presentera lösningen med dess enheter och förklara vilka av de givna uppgifterna som stöder den. Be om en användbar förklaring i slutsvaret; OpenAI:s interna resonemangstoken lämnas inte ut som modellens obearbetade resonemangsspår.
För programvaruarbete ska du lämna den relevanta koden, det förväntade beteendet och det observerade felet, inklusive det exakta felmeddelandet eller den indata som avslöjar felet. Be o3 koppla symptomen till en rimlig orsak och föreslå en avgränsad ändring med en förklaring. En visuell uppgift kan innehålla ett diagram, en skärmbild eller ett uppritat resultat: identifiera frågan och de etiketter eller det område som spelar roll, behåll en läsbar skala och be om en slutsats kopplad till det som faktiskt syns. Dessa förberedelser ger modellen ett definierat problem och ett konkret resultat i stället för en obegränsad uppmaning att granska allt.
OpenAI anger ett kontextfönster på 200 000 token, en maximal utdata på 100 000 token och en kunskapsgräns den 1 juni 2024. Internt resonemang använder kontext- och utdatakapacitet tillsammans med det synliga svaret. Maximal utdata är därför inte ett löfte om 100 000 synliga svarstoken, och kontexten är inte ett ytterligare, oberoende utrymme för utdata. Lämna utrymme efter indatamaterialet för analys och det begärda resultatet. Tillverkarens resonemangsguide beskriver ofullständiga svar när en kontext- eller utdatagräns nås; det kan inträffa innan ett synligt svar visas.
Den exakta specifikationen för o3 dokumenterar gränssnitten Chat Completions, Responses och Batch samt strömning, Structured Outputs, funktionsanrop, filuppladdningar, bildindata, filsökning och promptcache. Dess dokumenterade verktyg omfattar webb- och filsökning, kodtolkning, bildgenerering och MCP-anslutningar. Ett sökresultat eller en beräkning är ytterligare underlag för uppgiften, medan ett funktionsanrop begär en åtgärd från den omgivande applikationen. Håll det returnerade underlaget kopplat till den fråga det besvarar och skilj en föreslagen åtgärd från ett bekräftat resultat. Modellens egen utdata förblir text även när ett bildgenereringsverktyg skapar en separat artefakt.
OpenAI:s vägledning för resonemang föredrar enkla, direkta instruktioner med tydliga gränser mellan instruktioner och källmaterial. Ange målet, begränsningarna och det önskade svarsformatet i stället för att föreskriva modellens privata tankeprocess. Använd exempel när de förtydligar ett svårt format eller en beslutsregel och håll exemplen förenliga med de faktiska kraven. För ett långt tekniskt dokument ska du märka upp avsnitt och be om de passager eller samband som är relevanta för en viss fråga; vid kodgranskning ska du ange vilket beteende och vilken risk du vill undersöka.
En användbar leverans från o3 kan vara en genomarbetad teknisk förklaring, en analys av ett diagram, en dokumenterad kodrättelse eller en jämförelse grundad i det tillhandahållna materialet. Gör antaganden utan stöd och saknad information tydliga och kontrollera avgörande beräkningar eller kodbeteenden mot det ursprungliga problemet. Kunskapsgränsen innebär att aktuella fakta kräver tillhandahållet material eller ett lämpligt informationsverktyg. Tydligt underlag, ett uttryckligt kriterium för när uppgiften är slutförd och tillräckligt utdatautrymme hjälper till att omvandla en bred resonemangsuppgift till ett resultat som en annan person kan granska och använda.
", "aboutText": "o3 är OpenAI:s generella resonemangsmodell i o-serien för komplexa uppgifter. Tillverkaren lyfter fram matematik, naturvetenskap, programmering, visuellt resonemang, tekniskt skrivande och att följa instruktioner. Modellen tar emot text och bilder och producerar text, så en uppgift kan kombinera ett skriftligt problem, kod och ett diagram i stället för att behandla varje källa som en isolerad fråga. Det avsedda resultatet är ett genomtänkt svar på ett problem i flera steg, tillsammans med den information som behövs för att bedöma svaret.\n\nFör en matematisk eller naturvetenskaplig fråga ska du lämna hela problemet, definitionerna, kända storheter, enheter och begränsningar. Ange om du behöver en härledning, ett numeriskt resultat, en jämförelse av hypoteser eller en förklaring för en viss målgrupp. Ett exempel på en instruktion för resultatet är: identifiera relevanta antaganden, presentera lösningen med dess enheter och förklara vilka av de givna uppgifterna som stöder den. Be om en användbar förklaring i slutsvaret; OpenAI:s interna resonemangstoken lämnas inte ut som modellens obearbetade resonemangsspår.\n\nFör programvaruarbete ska du lämna den relevanta koden, det förväntade beteendet och det observerade felet, inklusive det exakta felmeddelandet eller den indata som avslöjar felet. Be o3 koppla symptomen till en rimlig orsak och föreslå en avgränsad ändring med en förklaring. En visuell uppgift kan innehålla ett diagram, en skärmbild eller ett uppritat resultat: identifiera frågan och de etiketter eller det område som spelar roll, behåll en läsbar skala och be om en slutsats kopplad till det som faktiskt syns. Dessa förberedelser ger modellen ett definierat problem och ett konkret resultat i stället för en obegränsad uppmaning att granska allt.\n\nOpenAI anger ett kontextfönster på 200 000 token, en maximal utdata på 100 000 token och en kunskapsgräns den 1 juni 2024. Internt resonemang använder kontext- och utdatakapacitet tillsammans med det synliga svaret. Maximal utdata är därför inte ett löfte om 100 000 synliga svarstoken, och kontexten är inte ett ytterligare, oberoende utrymme för utdata. Lämna utrymme efter indatamaterialet för analys och det begärda resultatet. Tillverkarens resonemangsguide beskriver ofullständiga svar när en kontext- eller utdatagräns nås; det kan inträffa innan ett synligt svar visas.\n\nDen exakta specifikationen för o3 dokumenterar gränssnitten Chat Completions, Responses och Batch samt strömning, Structured Outputs, funktionsanrop, filuppladdningar, bildindata, filsökning och promptcache. Dess dokumenterade verktyg omfattar webb- och filsökning, kodtolkning, bildgenerering och MCP-anslutningar. Ett sökresultat eller en beräkning är ytterligare underlag för uppgiften, medan ett funktionsanrop begär en åtgärd från den omgivande applikationen. Håll det returnerade underlaget kopplat till den fråga det besvarar och skilj en föreslagen åtgärd från ett bekräftat resultat. Modellens egen utdata förblir text även när ett bildgenereringsverktyg skapar en separat artefakt.\n\nOpenAI:s vägledning för resonemang föredrar enkla, direkta instruktioner med tydliga gränser mellan instruktioner och källmaterial. Ange målet, begränsningarna och det önskade svarsformatet i stället för att föreskriva modellens privata tankeprocess. Använd exempel när de förtydligar ett svårt format eller en beslutsregel och håll exemplen förenliga med de faktiska kraven. För ett långt tekniskt dokument ska du märka upp avsnitt och be om de passager eller samband som är relevanta för en viss fråga; vid kodgranskning ska du ange vilket beteende och vilken risk du vill undersöka.\n\nEn användbar leverans från o3 kan vara en genomarbetad teknisk förklaring, en analys av ett diagram, en dokumenterad kodrättelse eller en jämförelse grundad i det tillhandahållna materialet. Gör antaganden utan stöd och saknad information tydliga och kontrollera avgörande beräkningar eller kodbeteenden mot det ursprungliga problemet. Kunskapsgränsen innebär att aktuella fakta kräver tillhandahållet material eller ett lämpligt informationsverktyg. Tydligt underlag, ett uttryckligt kriterium för när uppgiften är slutförd och tillräckligt utdatautrymme hjälper till att omvandla en bred resonemangsuppgift till ett resultat som en annan person kan granska och använda.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "51317683383e2ac71a8056a7b7bcdae1f7199fff0702342871f307d99886e193", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "openai/o3:batchOpenAI o3 är en resonemangsmodell för arbete i flera steg inom matematik, naturvetenskap, kod och bilder. Den returnerar text och stöder strukturerade svar och verktygsanvändning, vilket gör den användbar för att undersöka ett tekniskt problem och ta fram en förklaring eller ett lösningsförslag som bygger på underlag.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
o3 är OpenAI:s generella resonemangsmodell i o-serien för komplexa uppgifter. Tillverkaren lyfter fram matematik, naturvetenskap, programmering, visuellt resonemang, tekniskt skrivande och att följa instruktioner. Modellen tar emot text och bilder och producerar text, så en uppgift kan kombinera ett skriftligt problem, kod och ett diagram i stället för att behandla varje källa som en isolerad fråga. Det avsedda resultatet är ett genomtänkt svar på ett problem i flera steg, tillsammans med den information som behövs för att bedöma svaret.
För en matematisk eller naturvetenskaplig fråga ska du lämna hela problemet, definitionerna, kända storheter, enheter och begränsningar. Ange om du behöver en härledning, ett numeriskt resultat, en jämförelse av hypoteser eller en förklaring för en viss målgrupp. Ett exempel på en instruktion för resultatet är: identifiera relevanta antaganden, presentera lösningen med dess enheter och förklara vilka av de givna uppgifterna som stöder den. Be om en användbar förklaring i slutsvaret; OpenAI:s interna resonemangstoken lämnas inte ut som modellens obearbetade resonemangsspår.
För programvaruarbete ska du lämna den relevanta koden, det förväntade beteendet och det observerade felet, inklusive det exakta felmeddelandet eller den indata som avslöjar felet. Be o3 koppla symptomen till en rimlig orsak och föreslå en avgränsad ändring med en förklaring. En visuell uppgift kan innehålla ett diagram, en skärmbild eller ett uppritat resultat: identifiera frågan och de etiketter eller det område som spelar roll, behåll en läsbar skala och be om en slutsats kopplad till det som faktiskt syns. Dessa förberedelser ger modellen ett definierat problem och ett konkret resultat i stället för en obegränsad uppmaning att granska allt.
OpenAI anger ett kontextfönster på 200 000 token, en maximal utdata på 100 000 token och en kunskapsgräns den 1 juni 2024. Internt resonemang använder kontext- och utdatakapacitet tillsammans med det synliga svaret. Maximal utdata är därför inte ett löfte om 100 000 synliga svarstoken, och kontexten är inte ett ytterligare, oberoende utrymme för utdata. Lämna utrymme efter indatamaterialet för analys och det begärda resultatet. Tillverkarens resonemangsguide beskriver ofullständiga svar när en kontext- eller utdatagräns nås; det kan inträffa innan ett synligt svar visas.
Den exakta specifikationen för o3 dokumenterar gränssnitten Chat Completions, Responses och Batch samt strömning, Structured Outputs, funktionsanrop, filuppladdningar, bildindata, filsökning och promptcache. Dess dokumenterade verktyg omfattar webb- och filsökning, kodtolkning, bildgenerering och MCP-anslutningar. Ett sökresultat eller en beräkning är ytterligare underlag för uppgiften, medan ett funktionsanrop begär en åtgärd från den omgivande applikationen. Håll det returnerade underlaget kopplat till den fråga det besvarar och skilj en föreslagen åtgärd från ett bekräftat resultat. Modellens egen utdata förblir text även när ett bildgenereringsverktyg skapar en separat artefakt.
OpenAI:s vägledning för resonemang föredrar enkla, direkta instruktioner med tydliga gränser mellan instruktioner och källmaterial. Ange målet, begränsningarna och det önskade svarsformatet i stället för att föreskriva modellens privata tankeprocess. Använd exempel när de förtydligar ett svårt format eller en beslutsregel och håll exemplen förenliga med de faktiska kraven. För ett långt tekniskt dokument ska du märka upp avsnitt och be om de passager eller samband som är relevanta för en viss fråga; vid kodgranskning ska du ange vilket beteende och vilken risk du vill undersöka.
En användbar leverans från o3 kan vara en genomarbetad teknisk förklaring, en analys av ett diagram, en dokumenterad kodrättelse eller en jämförelse grundad i det tillhandahållna materialet. Gör antaganden utan stöd och saknad information tydliga och kontrollera avgörande beräkningar eller kodbeteenden mot det ursprungliga problemet. Kunskapsgränsen innebär att aktuella fakta kräver tillhandahållet material eller ett lämpligt informationsverktyg. Tydligt underlag, ett uttryckligt kriterium för när uppgiften är slutförd och tillräckligt utdatautrymme hjälper till att omvandla en bred resonemangsuppgift till ett resultat som en annan person kan granska och använda.
POST /v1/batchestexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältendpoint | Typstring | KravObligatoriskt | Värden & gränser /v1/chat/completions | Standard— |
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/o3: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/o3:batch, openai/o3 | 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 $0.002 / 1K token Utdata · Utdatatoken $0.008 / 1K token Indata · Cacheläsning $0.0005 / 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 $0.002 / 1K token Utdata · Utdatatoken $0.008 / 1K token Indata · Cacheläsning $0.0005 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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/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 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/o3:batch
Använd metodsökvägarna som visas ovan.