GPT-4o (2024-08-06) ist OpenAIs datierter GPT-4o-Snapshot vom 6. August. Er nimmt Text und Bilder entgegen und erzeugt Text. OpenAI nennt genau diese Edition bei der Einführung von Structured Outputs. Damit kann eine fertige Antwort einem vom Entwickler bereitgestellten JSON Schema folgen, statt sich allein auf die Aufforderung zu gültigem JSON zu verlassen.
Eine nützliche Anwendung ist die Extraktion festgelegter Informationen aus unstrukturiertem Material. Stellen Sie den Text oder das Dokumentbild bereit, definieren Sie die Felder und erklären Sie die Darstellung fehlender Werte. Eine Beispielanfrage kann Thema, relevante Bedingungen und offene Fragen eines Dokuments in einem Schema erfassen, das der nächste Anwendungsschritt verarbeiten kann. Halten Sie im Ergebnis die Unterscheidung zwischen Angaben der Quelle und Schlussfolgerungen sichtbar.
Stellen Sie für eine visuelle Aufgabe einen lesbaren Screenshot, ein Foto oder Diagramm bereit und benennen Sie das wichtige Detail. Ergänzen Sie den Kontext, der zur Interpretation des sichtbaren Zustands oder der Beziehung benötigt wird. Legen Sie für eine Schreibaufgabe Leserschaft, Zweck, Tonalität und zu erhaltende Fakten fest. Die direkte Ausgabe des Modells ist Text oder strukturierter Text, während ein Werkzeug eine separate Operation ausführen oder ein anderes Artefakt erstellen kann.
Der Kontextleitfaden des Herstellers nennt ausdrücklich 128.000 Token Gesamtkontext und maximal 16.384 Ausgabetoken für gpt-4o-2024-08-06. Die aktuelle Modellkarte verwendet diesen Snapshot für die veröffentlichten GPT-4o-Angaben und nennt einen Wissensstand bis zum 1. Oktober 2023. Ausgangsmaterial, Gespräch und gewünschte Antwort teilen sich das Kontextbudget. Erhalten Sie nützliche frühere Fakten und lassen Sie Platz für das vollständige Ergebnis.
OpenAI dokumentiert Streaming, Funktionsaufrufe, Structured Outputs und Fine-Tuning für diese Edition. Fine-Tuning des konkreten Modells vom 6. August wird im API-Änderungsprotokoll genannt. Zum Werkzeugsatz der Familie beim Hersteller gehören Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Codeausführung und MCP-Verbindungen. Anwendungen stellen ihre Operationen bereit, führen ihre Aktionen aus und geben tatsächliche Ergebnisse für einen Folgeschritt zurück. Eine strukturierte Abschlussantwort und eine Funktionsanfrage haben unterschiedliche Rollen.
Structured Outputs unterstützt eine Teilmenge von JSON Schema. Anwendungen müssen ausdrückliche Ablehnungen sowie unterbrochene oder unvollständige Antworten separat behandeln. Der Hersteller dokumentiert außerdem Predicted Outputs zur Neuerzeugung bekannten Texts oder Codes mit kleinen Änderungen. Dieser Vorhersagepfad unterstützt Textausgabe und schließt Funktionsaufrufe aus. Seine dokumentierten Steuerungen unterscheiden sich von einer gewöhnlichen Anfrage mit Werkzeugnutzung.
Erstellen Sie ein fertiges Ergebnis, das sich anhand der Quelle bewerten lässt: extrahierte Felder, einen Antwortvorschlag, ein überarbeitetes Dokument oder eine Erklärung. Prüfen Sie wichtige Fakten ebenso wie das Format und nennen Sie Bedingungen, die aus dem bereitgestellten Material nicht hervorgehen. Eine gezielte Folgeanfrage kann dann ein Feld überarbeiten, eine offene Frage beantworten oder dasselbe Ergebnis für die vorgesehene Leserschaft verfeinern.
", "aboutText": "GPT-4o (2024-08-06) ist OpenAIs datierter GPT-4o-Snapshot vom 6. August. Er nimmt Text und Bilder entgegen und erzeugt Text. OpenAI nennt genau diese Edition bei der Einführung von Structured Outputs. Damit kann eine fertige Antwort einem vom Entwickler bereitgestellten JSON Schema folgen, statt sich allein auf die Aufforderung zu gültigem JSON zu verlassen.\n\nEine nützliche Anwendung ist die Extraktion festgelegter Informationen aus unstrukturiertem Material. Stellen Sie den Text oder das Dokumentbild bereit, definieren Sie die Felder und erklären Sie die Darstellung fehlender Werte. Eine Beispielanfrage kann Thema, relevante Bedingungen und offene Fragen eines Dokuments in einem Schema erfassen, das der nächste Anwendungsschritt verarbeiten kann. Halten Sie im Ergebnis die Unterscheidung zwischen Angaben der Quelle und Schlussfolgerungen sichtbar.\n\nStellen Sie für eine visuelle Aufgabe einen lesbaren Screenshot, ein Foto oder Diagramm bereit und benennen Sie das wichtige Detail. Ergänzen Sie den Kontext, der zur Interpretation des sichtbaren Zustands oder der Beziehung benötigt wird. Legen Sie für eine Schreibaufgabe Leserschaft, Zweck, Tonalität und zu erhaltende Fakten fest. Die direkte Ausgabe des Modells ist Text oder strukturierter Text, während ein Werkzeug eine separate Operation ausführen oder ein anderes Artefakt erstellen kann.\n\nDer Kontextleitfaden des Herstellers nennt ausdrücklich 128.000 Token Gesamtkontext und maximal 16.384 Ausgabetoken für gpt-4o-2024-08-06. Die aktuelle Modellkarte verwendet diesen Snapshot für die veröffentlichten GPT-4o-Angaben und nennt einen Wissensstand bis zum 1. Oktober 2023. Ausgangsmaterial, Gespräch und gewünschte Antwort teilen sich das Kontextbudget. Erhalten Sie nützliche frühere Fakten und lassen Sie Platz für das vollständige Ergebnis.\n\nOpenAI dokumentiert Streaming, Funktionsaufrufe, Structured Outputs und Fine-Tuning für diese Edition. Fine-Tuning des konkreten Modells vom 6. August wird im API-Änderungsprotokoll genannt. Zum Werkzeugsatz der Familie beim Hersteller gehören Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Codeausführung und MCP-Verbindungen. Anwendungen stellen ihre Operationen bereit, führen ihre Aktionen aus und geben tatsächliche Ergebnisse für einen Folgeschritt zurück. Eine strukturierte Abschlussantwort und eine Funktionsanfrage haben unterschiedliche Rollen.\n\nStructured Outputs unterstützt eine Teilmenge von JSON Schema. Anwendungen müssen ausdrückliche Ablehnungen sowie unterbrochene oder unvollständige Antworten separat behandeln. Der Hersteller dokumentiert außerdem Predicted Outputs zur Neuerzeugung bekannten Texts oder Codes mit kleinen Änderungen. Dieser Vorhersagepfad unterstützt Textausgabe und schließt Funktionsaufrufe aus. Seine dokumentierten Steuerungen unterscheiden sich von einer gewöhnlichen Anfrage mit Werkzeugnutzung.\n\nErstellen Sie ein fertiges Ergebnis, das sich anhand der Quelle bewerten lässt: extrahierte Felder, einen Antwortvorschlag, ein überarbeitetes Dokument oder eine Erklärung. Prüfen Sie wichtige Fakten ebenso wie das Format und nennen Sie Bedingungen, die aus dem bereitgestellten Material nicht hervorgehen. Eine gezielte Folgeanfrage kann dann ein Feld überarbeiten, eine offene Frage beantworten oder dasselbe Ergebnis für die vorgesehene Leserschaft verfeinern.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
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-2024-08-06Der GPT-4o-Snapshot vom 6. August unterstützt Text- und Bildaufgaben sowie schemabasierte Structured Outputs. Nutzen Sie ihn, um definierte Felder zu extrahieren, eine schriftliche Antwort zu erarbeiten oder Ausgangsmaterial mit Werkzeugergebnissen der Anwendung zu verbinden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-4o (2024-08-06) ist OpenAIs datierter GPT-4o-Snapshot vom 6. August. Er nimmt Text und Bilder entgegen und erzeugt Text. OpenAI nennt genau diese Edition bei der Einführung von Structured Outputs. Damit kann eine fertige Antwort einem vom Entwickler bereitgestellten JSON Schema folgen, statt sich allein auf die Aufforderung zu gültigem JSON zu verlassen.
Eine nützliche Anwendung ist die Extraktion festgelegter Informationen aus unstrukturiertem Material. Stellen Sie den Text oder das Dokumentbild bereit, definieren Sie die Felder und erklären Sie die Darstellung fehlender Werte. Eine Beispielanfrage kann Thema, relevante Bedingungen und offene Fragen eines Dokuments in einem Schema erfassen, das der nächste Anwendungsschritt verarbeiten kann. Halten Sie im Ergebnis die Unterscheidung zwischen Angaben der Quelle und Schlussfolgerungen sichtbar.
Stellen Sie für eine visuelle Aufgabe einen lesbaren Screenshot, ein Foto oder Diagramm bereit und benennen Sie das wichtige Detail. Ergänzen Sie den Kontext, der zur Interpretation des sichtbaren Zustands oder der Beziehung benötigt wird. Legen Sie für eine Schreibaufgabe Leserschaft, Zweck, Tonalität und zu erhaltende Fakten fest. Die direkte Ausgabe des Modells ist Text oder strukturierter Text, während ein Werkzeug eine separate Operation ausführen oder ein anderes Artefakt erstellen kann.
Der Kontextleitfaden des Herstellers nennt ausdrücklich 128.000 Token Gesamtkontext und maximal 16.384 Ausgabetoken für gpt-4o-2024-08-06. Die aktuelle Modellkarte verwendet diesen Snapshot für die veröffentlichten GPT-4o-Angaben und nennt einen Wissensstand bis zum 1. Oktober 2023. Ausgangsmaterial, Gespräch und gewünschte Antwort teilen sich das Kontextbudget. Erhalten Sie nützliche frühere Fakten und lassen Sie Platz für das vollständige Ergebnis.
OpenAI dokumentiert Streaming, Funktionsaufrufe, Structured Outputs und Fine-Tuning für diese Edition. Fine-Tuning des konkreten Modells vom 6. August wird im API-Änderungsprotokoll genannt. Zum Werkzeugsatz der Familie beim Hersteller gehören Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Codeausführung und MCP-Verbindungen. Anwendungen stellen ihre Operationen bereit, führen ihre Aktionen aus und geben tatsächliche Ergebnisse für einen Folgeschritt zurück. Eine strukturierte Abschlussantwort und eine Funktionsanfrage haben unterschiedliche Rollen.
Structured Outputs unterstützt eine Teilmenge von JSON Schema. Anwendungen müssen ausdrückliche Ablehnungen sowie unterbrochene oder unvollständige Antworten separat behandeln. Der Hersteller dokumentiert außerdem Predicted Outputs zur Neuerzeugung bekannten Texts oder Codes mit kleinen Änderungen. Dieser Vorhersagepfad unterstützt Textausgabe und schließt Funktionsaufrufe aus. Seine dokumentierten Steuerungen unterscheiden sich von einer gewöhnlichen Anfrage mit Werkzeugnutzung.
Erstellen Sie ein fertiges Ergebnis, das sich anhand der Quelle bewerten lässt: extrahierte Felder, einen Antwortvorschlag, ein überarbeitetes Dokument oder eine Erklärung. Prüfen Sie wichtige Fakten ebenso wie das Format und nennen Sie Bedingungen, die aus dem bereitgestellten Material nicht hervorgehen. Eine gezielte Folgeanfrage kann dann ein Feld überarbeiten, eine offene Frage beantworten oder dasselbe Ergebnis für die vorgesehene Leserschaft verfeinern.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-4o-2024-08-06 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0025 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0025 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra openai/gpt-4o-2024-08-06
Verwenden Sie die oben angezeigten Methodenpfade.
openai/gpt-4o-2024-08-06Der GPT-4o-Snapshot vom 6. August unterstützt Text- und Bildaufgaben sowie schemabasierte Structured Outputs. Nutzen Sie ihn, um definierte Felder zu extrahieren, eine schriftliche Antwort zu erarbeiten oder Ausgangsmaterial mit Werkzeugergebnissen der Anwendung zu verbinden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-4o (2024-08-06) ist OpenAIs datierter GPT-4o-Snapshot vom 6. August. Er nimmt Text und Bilder entgegen und erzeugt Text. OpenAI nennt genau diese Edition bei der Einführung von Structured Outputs. Damit kann eine fertige Antwort einem vom Entwickler bereitgestellten JSON Schema folgen, statt sich allein auf die Aufforderung zu gültigem JSON zu verlassen.
Eine nützliche Anwendung ist die Extraktion festgelegter Informationen aus unstrukturiertem Material. Stellen Sie den Text oder das Dokumentbild bereit, definieren Sie die Felder und erklären Sie die Darstellung fehlender Werte. Eine Beispielanfrage kann Thema, relevante Bedingungen und offene Fragen eines Dokuments in einem Schema erfassen, das der nächste Anwendungsschritt verarbeiten kann. Halten Sie im Ergebnis die Unterscheidung zwischen Angaben der Quelle und Schlussfolgerungen sichtbar.
Stellen Sie für eine visuelle Aufgabe einen lesbaren Screenshot, ein Foto oder Diagramm bereit und benennen Sie das wichtige Detail. Ergänzen Sie den Kontext, der zur Interpretation des sichtbaren Zustands oder der Beziehung benötigt wird. Legen Sie für eine Schreibaufgabe Leserschaft, Zweck, Tonalität und zu erhaltende Fakten fest. Die direkte Ausgabe des Modells ist Text oder strukturierter Text, während ein Werkzeug eine separate Operation ausführen oder ein anderes Artefakt erstellen kann.
Der Kontextleitfaden des Herstellers nennt ausdrücklich 128.000 Token Gesamtkontext und maximal 16.384 Ausgabetoken für gpt-4o-2024-08-06. Die aktuelle Modellkarte verwendet diesen Snapshot für die veröffentlichten GPT-4o-Angaben und nennt einen Wissensstand bis zum 1. Oktober 2023. Ausgangsmaterial, Gespräch und gewünschte Antwort teilen sich das Kontextbudget. Erhalten Sie nützliche frühere Fakten und lassen Sie Platz für das vollständige Ergebnis.
OpenAI dokumentiert Streaming, Funktionsaufrufe, Structured Outputs und Fine-Tuning für diese Edition. Fine-Tuning des konkreten Modells vom 6. August wird im API-Änderungsprotokoll genannt. Zum Werkzeugsatz der Familie beim Hersteller gehören Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Codeausführung und MCP-Verbindungen. Anwendungen stellen ihre Operationen bereit, führen ihre Aktionen aus und geben tatsächliche Ergebnisse für einen Folgeschritt zurück. Eine strukturierte Abschlussantwort und eine Funktionsanfrage haben unterschiedliche Rollen.
Structured Outputs unterstützt eine Teilmenge von JSON Schema. Anwendungen müssen ausdrückliche Ablehnungen sowie unterbrochene oder unvollständige Antworten separat behandeln. Der Hersteller dokumentiert außerdem Predicted Outputs zur Neuerzeugung bekannten Texts oder Codes mit kleinen Änderungen. Dieser Vorhersagepfad unterstützt Textausgabe und schließt Funktionsaufrufe aus. Seine dokumentierten Steuerungen unterscheiden sich von einer gewöhnlichen Anfrage mit Werkzeugnutzung.
Erstellen Sie ein fertiges Ergebnis, das sich anhand der Quelle bewerten lässt: extrahierte Felder, einen Antwortvorschlag, ein überarbeitetes Dokument oder eine Erklärung. Prüfen Sie wichtige Fakten ebenso wie das Format und nennen Sie Bedingungen, die aus dem bereitgestellten Material nicht hervorgehen. Eine gezielte Folgeanfrage kann dann ein Feld überarbeiten, eine offene Frage beantworten oder dasselbe Ergebnis für die vorgesehene Leserschaft verfeinern.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-4o-2024-08-06 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0025 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0025 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-4o-2024-08-06",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra openai/gpt-4o-2024-08-06
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
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.