GPT-4o (2024-08-06) er OpenAIs daterede GPT-4o-modelversion fra den 6. august. Den modtager tekst og billeder og producerer tekst. OpenAI navngiver netop denne udgave ved lanceringen af Structured Outputs, som lader et færdigt svar følge et JSON Schema leveret af udvikleren frem for kun at stole på en anmodning om gyldig JSON.
En nyttig anvendelse er at udtrække et defineret sæt oplysninger fra ustruktureret materiale. Lever teksten eller dokumentbilledet, definer felterne, og forklar, hvordan en manglende værdi skal repræsenteres. En eksempelanmodning er at identificere et dokuments emne, relevante betingelser og åbne spørgsmål i et skema, som det næste applikationstrin kan anvende. Hold forskellen mellem oplysninger, der står i kilden, og en slutning synlig i resultatet.
Til en visuel opgave skal du levere et læsbart skærmbillede, fotografi eller diagram og angive den væsentlige detalje. Medtag den kontekst, der er nødvendig for at fortolke den synlige tilstand eller relation. Til skrivning skal du definere læser, formål, tone og de fakta, der skal bevares. Modellens direkte output er tekst eller struktureret tekst, mens et værktøj kan udføre en separat handling eller skabe et andet resultat.
Leverandørens kontekstvejledning angiver udtrykkeligt 128.000 tokens i samlet kontekst og maksimalt 16.384 outputtokens for gpt-4o-2024-08-06. Det aktuelle modelkort bruger denne modelversion til de offentliggjorte GPT-4o-oplysninger og angiver en vidensgrænse den 1. oktober 2023. Kildematerialet, samtalen og det ønskede svar deler kontekstbudgettet. Bevar de nyttige tidligere fakta, og giv plads til det komplette resultat.
OpenAI dokumenterer streaming, funktionskald, Structured Outputs og finjustering for denne udgave, og finjustering af den præcise model fra den 6. august navngives i API-ændringsloggen. Familiens værktøjssæt hos leverandøren omfatter web- og filsøgning, billedgenereringsværktøjer, kodefortolkning og MCP-forbindelser. Applikationer stiller deres handlinger til rådighed, udfører dem og returnerer faktiske resultater til en opfølgning. Et struktureret slutsvar og en anmodning om et funktionskald har forskellige roller.
Structured Outputs understøtter en delmængde af JSON Schema, og applikationer skal håndtere udtrykkelige afvisninger og afbrudte eller ufuldstændige svar separat. Leverandøren dokumenterer også Predicted Outputs til gendannelse af kendt tekst eller kode med mindre ændringer. Denne fremgangsmåde med forudsagt output understøtter tekstoutput og udelukker funktionskald; de dokumenterede kontroller adskiller sig fra en almindelig anmodning med værktøjsbrug.
Forbered et endeligt resultat, der kan vurderes mod kilden: udtrukne felter, et svarforslag, et redigeret dokument eller en forklaring. Kontroller de væsentlige fakta og formatet, og angiv enhver betingelse, som det leverede materiale ikke fastslår. En afgrænset opfølgning kan derefter revidere ét felt, besvare et endnu ubesvaret spørgsmål eller forbedre samme resultat til den tilsigtede læser.
", "aboutText": "GPT-4o (2024-08-06) er OpenAIs daterede GPT-4o-modelversion fra den 6. august. Den modtager tekst og billeder og producerer tekst. OpenAI navngiver netop denne udgave ved lanceringen af Structured Outputs, som lader et færdigt svar følge et JSON Schema leveret af udvikleren frem for kun at stole på en anmodning om gyldig JSON.\n\nEn nyttig anvendelse er at udtrække et defineret sæt oplysninger fra ustruktureret materiale. Lever teksten eller dokumentbilledet, definer felterne, og forklar, hvordan en manglende værdi skal repræsenteres. En eksempelanmodning er at identificere et dokuments emne, relevante betingelser og åbne spørgsmål i et skema, som det næste applikationstrin kan anvende. Hold forskellen mellem oplysninger, der står i kilden, og en slutning synlig i resultatet.\n\nTil en visuel opgave skal du levere et læsbart skærmbillede, fotografi eller diagram og angive den væsentlige detalje. Medtag den kontekst, der er nødvendig for at fortolke den synlige tilstand eller relation. Til skrivning skal du definere læser, formål, tone og de fakta, der skal bevares. Modellens direkte output er tekst eller struktureret tekst, mens et værktøj kan udføre en separat handling eller skabe et andet resultat.\n\nLeverandørens kontekstvejledning angiver udtrykkeligt 128.000 tokens i samlet kontekst og maksimalt 16.384 outputtokens for gpt-4o-2024-08-06. Det aktuelle modelkort bruger denne modelversion til de offentliggjorte GPT-4o-oplysninger og angiver en vidensgrænse den 1. oktober 2023. Kildematerialet, samtalen og det ønskede svar deler kontekstbudgettet. Bevar de nyttige tidligere fakta, og giv plads til det komplette resultat.\n\nOpenAI dokumenterer streaming, funktionskald, Structured Outputs og finjustering for denne udgave, og finjustering af den præcise model fra den 6. august navngives i API-ændringsloggen. Familiens værktøjssæt hos leverandøren omfatter web- og filsøgning, billedgenereringsværktøjer, kodefortolkning og MCP-forbindelser. Applikationer stiller deres handlinger til rådighed, udfører dem og returnerer faktiske resultater til en opfølgning. Et struktureret slutsvar og en anmodning om et funktionskald har forskellige roller.\n\nStructured Outputs understøtter en delmængde af JSON Schema, og applikationer skal håndtere udtrykkelige afvisninger og afbrudte eller ufuldstændige svar separat. Leverandøren dokumenterer også Predicted Outputs til gendannelse af kendt tekst eller kode med mindre ændringer. Denne fremgangsmåde med forudsagt output understøtter tekstoutput og udelukker funktionskald; de dokumenterede kontroller adskiller sig fra en almindelig anmodning med værktøjsbrug.\n\nForbered et endeligt resultat, der kan vurderes mod kilden: udtrukne felter, et svarforslag, et redigeret dokument eller en forklaring. Kontroller de væsentlige fakta og formatet, og angiv enhver betingelse, som det leverede materiale ikke fastslår. En afgrænset opfølgning kan derefter revidere ét felt, besvare et endnu ubesvaret spørgsmål eller forbedre samme resultat til den tilsigtede læser.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Extract a document record with unknowns\n\nExtract fields from this notice: “Case Q18 concerns a damaged parcel. The customer asks for a replacement. No delivery date is given.” Request a record containing case_id, topic, requested_remedy, delivery_date and evidence. Use null for an absent date and preserve the case identifier exactly. Do not infer shipment status.A structured text record with the five named fields, source evidence and an explicit missing date.Check each field against the notice and confirm that a replacement request is not recorded as an approved replacement.openai/gpt-4o-2024-08-06GPT-4o-modelversionen fra den 6. august understøtter tekst- og billedopgaver og skemabaserede Structured Outputs. Brug den til at udtrække definerede felter, udarbejde et skriftligt svar eller kombinere kildemateriale med resultater fra applikationsværktøjer.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-4o (2024-08-06) er OpenAIs daterede GPT-4o-modelversion fra den 6. august. Den modtager tekst og billeder og producerer tekst. OpenAI navngiver netop denne udgave ved lanceringen af Structured Outputs, som lader et færdigt svar følge et JSON Schema leveret af udvikleren frem for kun at stole på en anmodning om gyldig JSON.
En nyttig anvendelse er at udtrække et defineret sæt oplysninger fra ustruktureret materiale. Lever teksten eller dokumentbilledet, definer felterne, og forklar, hvordan en manglende værdi skal repræsenteres. En eksempelanmodning er at identificere et dokuments emne, relevante betingelser og åbne spørgsmål i et skema, som det næste applikationstrin kan anvende. Hold forskellen mellem oplysninger, der står i kilden, og en slutning synlig i resultatet.
Til en visuel opgave skal du levere et læsbart skærmbillede, fotografi eller diagram og angive den væsentlige detalje. Medtag den kontekst, der er nødvendig for at fortolke den synlige tilstand eller relation. Til skrivning skal du definere læser, formål, tone og de fakta, der skal bevares. Modellens direkte output er tekst eller struktureret tekst, mens et værktøj kan udføre en separat handling eller skabe et andet resultat.
Leverandørens kontekstvejledning angiver udtrykkeligt 128.000 tokens i samlet kontekst og maksimalt 16.384 outputtokens for gpt-4o-2024-08-06. Det aktuelle modelkort bruger denne modelversion til de offentliggjorte GPT-4o-oplysninger og angiver en vidensgrænse den 1. oktober 2023. Kildematerialet, samtalen og det ønskede svar deler kontekstbudgettet. Bevar de nyttige tidligere fakta, og giv plads til det komplette resultat.
OpenAI dokumenterer streaming, funktionskald, Structured Outputs og finjustering for denne udgave, og finjustering af den præcise model fra den 6. august navngives i API-ændringsloggen. Familiens værktøjssæt hos leverandøren omfatter web- og filsøgning, billedgenereringsværktøjer, kodefortolkning og MCP-forbindelser. Applikationer stiller deres handlinger til rådighed, udfører dem og returnerer faktiske resultater til en opfølgning. Et struktureret slutsvar og en anmodning om et funktionskald har forskellige roller.
Structured Outputs understøtter en delmængde af JSON Schema, og applikationer skal håndtere udtrykkelige afvisninger og afbrudte eller ufuldstændige svar separat. Leverandøren dokumenterer også Predicted Outputs til gendannelse af kendt tekst eller kode med mindre ændringer. Denne fremgangsmåde med forudsagt output understøtter tekstoutput og udelukker funktionskald; de dokumenterede kontroller adskiller sig fra en almindelig anmodning med værktøjsbrug.
Forbered et endeligt resultat, der kan vurderes mod kilden: udtrukne felter, et svarforslag, et redigeret dokument eller en forklaring. Kontroller de væsentlige fakta og formatet, og angiv enhver betingelse, som det leverede materiale ikke fastslår. En afgrænset opfølgning kan derefter revidere ét felt, besvare et endnu ubesvaret spørgsmål eller forbedre samme resultat til den tilsigtede læser.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-4o-2024-08-06 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.005 / 1K tokens Output · Outputtokens $0.02 / 1K tokens Input · Cachelæsning $0.0025 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.005 / 1K tokens Output · Outputtokens $0.02 / 1K tokens Input · Cachelæsning $0.0025 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-4o-2024-08-06", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-4o-2024-08-06',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-4o-2024-08-06',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra openai/gpt-4o-2024-08-06
Brug metodestierne vist ovenfor.
openai/gpt-4o-2024-08-06GPT-4o-modelversionen fra den 6. august understøtter tekst- og billedopgaver og skemabaserede Structured Outputs. Brug den til at udtrække definerede felter, udarbejde et skriftligt svar eller kombinere kildemateriale med resultater fra applikationsværktøjer.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-4o (2024-08-06) er OpenAIs daterede GPT-4o-modelversion fra den 6. august. Den modtager tekst og billeder og producerer tekst. OpenAI navngiver netop denne udgave ved lanceringen af Structured Outputs, som lader et færdigt svar følge et JSON Schema leveret af udvikleren frem for kun at stole på en anmodning om gyldig JSON.
En nyttig anvendelse er at udtrække et defineret sæt oplysninger fra ustruktureret materiale. Lever teksten eller dokumentbilledet, definer felterne, og forklar, hvordan en manglende værdi skal repræsenteres. En eksempelanmodning er at identificere et dokuments emne, relevante betingelser og åbne spørgsmål i et skema, som det næste applikationstrin kan anvende. Hold forskellen mellem oplysninger, der står i kilden, og en slutning synlig i resultatet.
Til en visuel opgave skal du levere et læsbart skærmbillede, fotografi eller diagram og angive den væsentlige detalje. Medtag den kontekst, der er nødvendig for at fortolke den synlige tilstand eller relation. Til skrivning skal du definere læser, formål, tone og de fakta, der skal bevares. Modellens direkte output er tekst eller struktureret tekst, mens et værktøj kan udføre en separat handling eller skabe et andet resultat.
Leverandørens kontekstvejledning angiver udtrykkeligt 128.000 tokens i samlet kontekst og maksimalt 16.384 outputtokens for gpt-4o-2024-08-06. Det aktuelle modelkort bruger denne modelversion til de offentliggjorte GPT-4o-oplysninger og angiver en vidensgrænse den 1. oktober 2023. Kildematerialet, samtalen og det ønskede svar deler kontekstbudgettet. Bevar de nyttige tidligere fakta, og giv plads til det komplette resultat.
OpenAI dokumenterer streaming, funktionskald, Structured Outputs og finjustering for denne udgave, og finjustering af den præcise model fra den 6. august navngives i API-ændringsloggen. Familiens værktøjssæt hos leverandøren omfatter web- og filsøgning, billedgenereringsværktøjer, kodefortolkning og MCP-forbindelser. Applikationer stiller deres handlinger til rådighed, udfører dem og returnerer faktiske resultater til en opfølgning. Et struktureret slutsvar og en anmodning om et funktionskald har forskellige roller.
Structured Outputs understøtter en delmængde af JSON Schema, og applikationer skal håndtere udtrykkelige afvisninger og afbrudte eller ufuldstændige svar separat. Leverandøren dokumenterer også Predicted Outputs til gendannelse af kendt tekst eller kode med mindre ændringer. Denne fremgangsmåde med forudsagt output understøtter tekstoutput og udelukker funktionskald; de dokumenterede kontroller adskiller sig fra en almindelig anmodning med værktøjsbrug.
Forbered et endeligt resultat, der kan vurderes mod kilden: udtrukne felter, et svarforslag, et redigeret dokument eller en forklaring. Kontroller de væsentlige fakta og formatet, og angiv enhver betingelse, som det leverede materiale ikke fastslår. En afgrænset opfølgning kan derefter revidere ét felt, besvare et endnu ubesvaret spørgsmål eller forbedre samme resultat til den tilsigtede læser.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-4o-2024-08-06 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.005 / 1K tokens Output · Outputtokens $0.02 / 1K tokens Input · Cachelæsning $0.0025 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.005 / 1K tokens Output · Outputtokens $0.02 / 1K tokens Input · Cachelæsning $0.0025 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "openai/gpt-4o-2024-08-06",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-4o-2024-08-06', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-4o-2024-08-06', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra openai/gpt-4o-2024-08-06
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Extract a document record with unknowns\n\nExtract fields from this notice: “Case Q18 concerns a damaged parcel. The customer asks for a replacement. No delivery date is given.” Request a record containing case_id, topic, requested_remedy, delivery_date and evidence. Use null for an absent date and preserve the case identifier exactly. Do not infer shipment status.A structured text record with the five named fields, source evidence and an explicit missing date.Check each field against the notice and confirm that a replacement request is not recorded as an approved replacement.