Pular para o conteúdo principal

Novidades

Mudanças na API e no produto que afetam como você constrói sobre a ReOpenly, das mais recentes para as mais antigas.

1 de novembro de 2026: Veja quanto custa um índice de Busca antes de criá-lo​

GET .../search/estimate?dataset_id=...&model=... retorna quanto deve custar criar um índice de um dataset com um modelo: os trechos distintos, os tokens de entrada e estimated_credits em dólares americanos. É gratuito e não gera embeddings. O app mostra o custo esperado ao lado do teto de gasto, que é o máximo que uma criação pode gastar, não o preço dela. Veja Playground e Busca.

1 de novembro de 2026: Retomar só aparece com um checkpoint​

O detalhe de um job ganha checkpoint_available: true quando uma execução pausada tem um checkpoint verificado de onde continuar. O app agora oferece Retomar só nesse caso; uma execução pausada sem checkpoint diz isso e oferece uma nova execução, em vez de um Retomar que o servidor recusaria com 409. Veja Pausar, retomar, concluir e cancelar.

1 de novembro de 2026: O prompt de sistema do treino aparece e é oferecido de volta​

O detalhe de um job de texto ganha training_system_prompt: o prompt de sistema com que o fine-tune foi treinado e de onde ele veio (run, examples, mixed, none ou not_recorded). As suas leituras de modelos hospedados também o trazem; quem vê um modelo compartilhado ou público recebe null. O detalhe do job agora diz, por exemplo, "Dos exemplos de treino (300 de 300)" em vez de "Não configurado", o playground preenche o prompt para os seus fine-tunes, e o trecho "Usar modelo" o envia primeiro. Jobs treinados antes disso aparecem como not_recorded. Nada muda no atendimento: o modelo continua respondendo exatamente às messages que você envia. Veja Chame o modelo com o prompt de sistema do treino.

1 de novembro de 2026: Termos e Política de Privacidade atualizados​

Os Termos e a Política de Privacidade foram atualizados para refletir como a cobrança funciona agora. Você paga com um saldo pré-pago em dólares americanos, a inferência é cobrada por token e o treino por minuto de tempo de treino medido; cada requisição é cobrada, no mínimo, pelo mínimo por requisição (US$ 0,00001, Termos de 31 de outubro); seu extrato mostra o que foi usado, o preço aplicado e o valor. Seu saldo continua sem expirar. Você não precisa aceitar os Termos de novo.

1 de novembro de 2026: Rank LoRA de texto vai até 64​

O lora_rank de um job de treino de texto agora aceita 4, 8, 16, 32 ou 64; 128 não é mais oferecido. GET /api/v1/base-models publica as novas opções em limits.lora_rank, e um novo job enviado com 128 responde 400 unsupported_value para lora_rank. O padrão (16) não mudou. Um job congelado acima da maior opção continua sendo lido e baixado como rodou, mas a nova tentativa responde 409 unsupported_value. Veja Configurações de texto.

1 de novembro de 2026: Inferência cobrada por token​

A inferência agora é cobrada por token em vez de por minuto. Uma requisição de texto paga pelos tokens de entrada (prompt) e pelos tokens de saída, com preços separados por milhão de tokens, e os tokens de raciocínio contam como saída; uma requisição de embeddings paga pelos tokens de entrada. Um modelo com fine-tune hospedado paga os preços da base vezes um multiplicador. O treino continua cobrado por minuto de tempo de treino medido.

O que você pode ler. GET /api/v1/pricing/platform passa a ter inference_prices, os preços de cada modelo; GET /api/v1/pricing/models passa a ter inference_price em cada modelo. POST /api/v1/pricing/estimate precifica a inferência por esses preços (basis: "published_price"), e nenhuma requisição é cobrada abaixo do mínimo por requisição, US$ 0,00001 (minimum_credits_per_request). As entradas do extrato em GET /api/v1/credits/usage passam a ter os tokens e os preços cobrados em cada linha de inferência, e billing_basis. Antes de rodar, uma requisição precisa ser coberta pelo seu saldo pelo prompt mais max_tokens. Todas as mudanças são aditivas. Veja Como a inferência é cobrada.

1 de novembro de 2026: Também nesta versão​

  • Começar com um exemplo. Crie um projeto que já traz um pequeno conjunto de dados público, um por tipo de projeto. Veja Começar com um exemplo.
  • Agir em muitos chats de uma vez. Exclua chats ou mude as tags deles sobre uma seleção de ids ou um filtro, e filtre os chats sem tag (untagged=true). Veja Agir em muitos chats de uma vez.
  • Prontidão do feedback de busca. GET .../retrieval-readiness responde quão perto um conjunto de dados está de algo que uma execução consegue treinar, só com contagens e verificações. Veja Verificar a prontidão.
  • Verificações de prontidão antes de Iniciar. As duas estimativas de treino retornam checks e ready, e a estimativa de texto retorna required_credits. Uma execução de embeddings agora começa quando o seu saldo cobre a estimativa com a margem de segurança, como uma de texto, em vez do preço do limite de tempo inteiro. Veja Estimar antes de iniciar.
  • Uma execução pausa antes de o saldo acabar, no próximo checkpoint; adicione saldo e depois retome a execução. Veja Saldo baixo.
  • Veja o custo de uma execução enquanto ela treina. O detalhe do job ganha cost_so_far, que acompanha a execução, com o seu saldo e por quanto tempo ele dura. Veja Acompanhar uma execução.
  • Uma requisição paga os preços com que foi aceita. Uma mudança de preço durante a execução vale só para as requisições seguintes. Veja Como a inferência é cobrada.
  • Uma execução mantém a taxa com que começou. O treino é cobrado pela taxa por minuto mostrada quando a execução começa, para a execução inteira, mesmo se a taxa mudar durante o treino; o custo até agora do job usa a mesma taxa. Veja Como o treino é cobrado.
  • Requisições compatíveis com a OpenAI: suportadas ou recusadas. stop, seed, as penalidades e response_format são aplicados pelo modelo. Um valor válido da OpenAI que esta API não consegue atender, como n acima de 1 ou logprobs: true, agora responde 400 unsupported_value com o nome do campo, em vez de ser ignorado; os mesmos campos nos valores padrão continuam aceitos. Veja Campos da requisição.
  • Sem cobrança quando recusada. Uma requisição recusada enquanto o modelo está iniciando ou ocupado não é cobrada, com streaming ou sem. Veja Como a inferência é cobrada.
  • Troque o seu endereço de e-mail com um código enviado ao novo endereço e a sua senha atual. Veja Trocar o endereço de e-mail.
  • Conjuntos pequenos de embeddings voltam a treinar com as configurações padrão: uma seleção cujo conjunto de validação é um único par consegue começar. Veja Jobs de treinamento.

1 de novembro de 2026: Preços em dólares americanos​

Preços, saldos e cobranças agora são escritos em dólares americanos, e não mais em créditos. Um crédito sempre valeu um dólar americano, então nenhum valor muda: um saldo de 10 créditos é US$ 10, e a taxa passa a ser US$ 0,03 por minuto em vez de 0,03 crédito por minuto de GPU. O treino é cobrado por minuto de tempo de treino medido, e a inferência por token (veja Inferência cobrada por token); o tempo na fila e o tempo ocioso continuam gratuitos.

Nada muda na API. Nomes de campo como available_credits, required_credits e credits_per_minute, rotas como /api/v1/credits, o código de erro insufficient_credits e o unit: "credits" da estimativa de preço mantêm os nomes, para que os clientes existentes continuem funcionando; os valores são dólares americanos. Só o texto para pessoas mudou: as mensagens de erro, a referência da API e a página de pagamento agora falam em dólares e saldo. Veja Preços e cobrança.

22 de outubro de 2026: Projetos de embeddings​

Um novo tipo de projeto, embedding, para treinar e servir os seus próprios modelos de embeddings:

  • Projetos de embeddings: escolha "type": "embedding" ao criar um projeto. Veja Projetos.
  • Pares de treinamento: datasets de um anchor, um positive e um negative opcional, adicionados pela API ou importados de CSV ou JSONL. Veja Datasets de embeddings.
  • Fine-tunes de embeddings: treine com os seus pares usando configurações que você escolhe dentro de limites publicados. Veja Jobs de treinamento.
  • API de embeddings da OpenAI: chame um modelo de embeddings hospedado, ou um modelo base sem projeto, pelo SDK da OpenAI. Veja API compatível com OpenAI.
  • Busca: classifique um dataset inteiro com um modelo de embeddings hospedado antes de construir sobre ele. Veja Playground e Busca.
  • Feedback de busca: registre buscas reais, revise-as e promova-as a pares de treinamento. Veja Feedback de busca.

O Início rápido cobre os dois tipos de projeto.

13 de outubro de 2026: Inferência cobrada em unidades de 100 ms​

Toda requisição de inferência paga e bem-sucedida é cobrada em unidades de 100 ms do tempo que o modelo gastou com ela, arredondado para cima, pela taxa em vigor quando ela rodou. Essa taxa fica congelada com a requisição, então uma mudança de preço posterior não a altera. Antes desta mudança, cada requisição era arredondada para cima até um segundo inteiro. Veja Preços e cobrança.