Batch JSONL 按字节分包，为什么同样行数的中文请求大小不同

两个 Batch 文件都有一百行，大小可能相差很多。中文与 ASCII 字符的 UTF-8 字节不同，JSON 转义和换行也占空间。分包应对实际将要写出的字节计算预算，而不是用行数或字符串长度估算文件大小。

固定序列化，再计算大小

本文使用紧凑 JSON、保留中文文本，并在每条记录末尾加一个 LF。每行先得到完整编码字节，行长包含这个换行。示例预算只为二百字节，便于肉眼复算，它不是 OpenAI 当前文件限制，也不适合作为普遍生产参数。官方平台限制应在真实提交前重新核对。

输入包含三条不同长度的中文与英文合成请求。分包器逐行累计，如果下一行会超预算，先结束当前包再开新包；不会拆开一个 JSON 对象。每个包索引保存文件名、字节数、行数和 ID 序列，后续才能复核没有漏行或重复。

单行过大不能另开超限包

如果某一条本身就超过预算，必须报单行超限。把它单独塞进一个大包只是隐藏了问题，仍然不满足合同。调用方可以缩短输入、改任务粒度或调整经过批准的本地预算，不能在分包器里无声忽略超限记录。

附件生成三份 JSONL 分片，并把它们按索引重新连接读取。重合并后记录顺序、custom_id 和完整对象都应等于原输入，每份文件的实际字节数也应不超示例预算。另有超大单行反例，必须拒绝且不生成伪合规分包。

字符数检查为什么会误判

失败反例是用 len(json_text) 累加。一个中文字符在 UTF-8 中通常占多字节，字符串长度小于预算并不保证文件长度小于预算。若改为 ASCII 转义序列化，大小又会变化，因此同一批数据必须使用与最终写盘完全一致的序列化设置来计算。

换行也不能漏算。前三条恰好各占一百字节时，不含 LF 的计算会让边界包多出字节。空输入应生成空索引，而不是一个无法解释的空包；输入 ID 重复应在上游阻断，分包不负责掩盖身份冲突。

本文只在本地生成与验证文件，没有上传 Batch，也没有验证服务端队列和模型兼容性。通过表示文件分片在示例预算内且重合并无损，仍需逐行检查真实请求合同。分包完成和任务完成是两个阶段，后续结果应继续按 custom_id 对账，不能根据分片数量宣布全部处理成功。

配套文件与依据

本文的合成输入和参考结果可下载独立样本 a032.json，离线检查器 a032.py与样本放在同一目录后运行。检查器不调用模型接口。 使用 Python 3.12 或兼容版本，将上述文件下载到同一目录，执行 python a032.py。 同篇运行还需要：a032-part-1.jsonl、a032-part-2.jsonl、a032-part-3.jsonl，请一并下载。

一手资料1；一手资料2；一手资料3。资料核对日期：2026-10-24。