Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Encountering a 500 error when calling responses.parse on a schema containing decimal.Decimal fields.

Aperta
  • Qualcosa non va?
#2,718 1 commento 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 1 giorno

@yashwantbezawada ci sta già lavorando.

Dal 5/11/2025.

  • #2733 di @yashwantbezawada — aperta

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
35/100
Tipo di issue
Bug
Chiarezza
Da chiarire
Stato di attività
Ferma
Stack tecnologico
python
Ambito
api

Direzione di ricerca

Inizia riproducendo lo script fornito e confronta responses.parse con StringModel, FloatModel e DecimalModel, in particolare lo schema Pydantic generato per i campi Decimal. Traccia la gestione di quello schema da parte della libreria e aggiungi un test di regressione; il lavoro è completato quando DecimalModel funziona con gpt-5 senza l'errore 500 segnalato.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

api bug
Confirm this is an issue with the Python library and not an underlying OpenAI API
  • This is an issue with the Python library
Describe the bug

The responses.parse() method fails when the Pydantic model contains decimal.Decimal type fields.

To Reproduce

Run this test script below


import logging
from decimal import Decimal
from typing import Optional
from pydantic import BaseModel, Field
from openai import OpenAI

# Set up logger
logging.basicConfig(level=logging.INFO, format='%(message)s')
logger = logging.getLogger(__name__)

# Define test models
class DecimalModel(BaseModel):
    """Model with Decimal fields."""
    premium: Optional[Decimal] = Field(default=None, description="Premium amount")
    amount: Optional[Decimal] = Field(default=None, description="Total amount")

class FloatModel(BaseModel):
    """Model with float fields."""
    premium: Optional[float] = Field(default=None, description="Premium amount")
    amount: Optional[float] = Field(default=None, description="Total amount")

class StringModel(BaseModel):
    """Model with string fields."""
    premium: Optional[str] = Field(default=None, description="Premium amount")
    amount: Optional[str] = Field(default=None, description="Total amount")

# Initialize client and test data
client = OpenAI()
test_content = "The premium is $5,000.00 and the total amount is $5,500.50"

request_model = "gpt-5"
# request_model = "gpt-5-mini" # Uncomment to test with a mini
# Test String Model
try:
    response = client.responses.parse(
        model=request_model,
        input=[
            {"role": "system", "content": "Extract the financial amounts."},
            {"role": "user", "content": test_content}
        ],
        text_format=StringModel,
    )
    logger.info(f"StringModel: WORKS. Data: {response.output_parsed.model_dump_json()}")
except Exception as e:
    logger.error(f"StringModel: FAILED - {type(e).__name__}")
    logger.exception(e)

# Test Float Model
try:
    response = client.responses.parse(
        model=request_model,
        input=[
            {"role": "system", "content": "Extract the financial amounts."},
            {"role": "user", "content": test_content}
        ],
        text_format=FloatModel,
    )
    logger.info(f"FloatModel: WORKS. Data: {response.output_parsed.model_dump_json()}")
except Exception as e:
    logger.error(f"FloatModel: FAILED - {type(e).__name__}")
    logger.exception(e)

# Test Decimal Model
try:
    response = client.responses.parse(
        model=request_model,
        input=[
            {"role": "system", "content": "Extract the financial amounts."},
            {"role": "user", "content": test_content}
        ],
        text_format=DecimalModel,
    )
    logger.info(f"DecimalModel: WORKS. Data: {response.output_parsed.model_dump_json()}")
except Exception as e:
    logger.error(f"DecimalModel: FAILED - {type(e).__name__}")
    logger.exception(e)

Output with gpt-5

> python test_decimal_extraction.py
HTTP Request: POST https://api.openai.com/v1/responses "HTTP/1.1 200 OK"
StringModel: WORKS. Data: {"premium":"$5,000.00","amount":"$5,500.50"}
HTTP Request: POST https://api.openai.com/v1/responses "HTTP/1.1 200 OK"
FloatModel: WORKS. Data: {"premium":5000.0,"amount":5500.5}
HTTP Request: POST https://api.openai.com/v1/responses "HTTP/1.1 500 Internal Server Error"
Retrying request to /responses in 0.459931 seconds
HTTP Request: POST https://api.openai.com/v1/responses "HTTP/1.1 500 Internal Server Error"
Retrying request to /responses in 0.893894 seconds
HTTP Request: POST https://api.openai.com/v1/responses "HTTP/1.1 500 Internal Server Error"
DecimalModel: FAILED - InternalServerError
Error code: 500 - {'error': {'message': 'An error occurred while processing your request. You can retry your request, or contact us through our help center at help.openai.com if the error persists. Please include the request ID req_2e82ffe03e6d45f38ad7ff9b98a62ec4 in your message.', 'type': 'server_error', 'param': None, 'code': 'server_error'}}

Works as expected with gpt-5-mini

> python test_decimal_extraction.py
HTTP Request: POST https://api.openai.com/v1/responses "HTTP/1.1 200 OK"
StringModel: WORKS. Data: {"premium":"$5,000.00","amount":"$5,500.50"}
HTTP Request: POST https://api.openai.com/v1/responses "HTTP/1.1 200 OK"
FloatModel: WORKS. Data: {"premium":5000.0,"amount":5500.5}
HTTP Request: POST https://api.openai.com/v1/responses "HTTP/1.1 200 OK"
DecimalModel: WORKS. Data: {"premium":"5000.00","amount":"5500.50"}
Code snippets
OS

Debian GNU/Linux

Python version

3.12.10

Library version

openai v1.109.1

Lingua principale
Python
Stelle
31.8k
Fork
7.3k
Merge medio
1g 1h
PR unite (30g)
137

Preparare l'ambiente

Apri in Codespaces

Avvia il container di sviluppo del progetto nel browser, con il tuo account GitHub.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di openai/openai-python

Tutte le issue di openai/openai-python

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.