GPT-4o (2024-11-20) ist der separat benannte Snapshot vom 20. November in OpenAIs GPT-4o-API-Katalog. Er gehört zur GPT-4o-Familie für vielseitige Text- und Bildaufgaben, nimmt Text und Bilder entgegen und gibt Text aus. Seine datierte Identität wird getrennt von den Snapshots vom 6. August und 13. Mai sowie der wechselnden Chatauswahl von ChatGPT geführt.
Ein Anwendungsbeispiel ist die Überarbeitung eines Dokuments für eine bestimmte Zielgruppe. Stellen Sie das Originalmaterial, die Bedürfnisse der Leserschaft und die zu erhaltenden Fakten bereit. Verlangen Sie eine überarbeitete Passage oder ein vollständiges Dokument mit ausdrücklichem Zweck und verfeinern Sie die gewählte Fassung anschließend in einer Folgeanfrage. Eine nützliche Ausgabe kann eine knappe Erklärung der Änderungen enthalten, damit die Leserschaft sie mit dem Originaltext vergleichen kann.
Stellen Sie für eine visuelle Frage den Screenshot, das Foto oder Dokumentbild bereit und benennen Sie das Detail, das für die Aufgabe maßgeblich ist. Ergänzen Sie den schriftlichen Kontext, den das Bild allein nicht liefert. Eine Supportanfrage kann die Nutzernachricht mit einem Screenshot verbinden und eine relevante Beobachtung, noch benötigte Informationen und einen Antwortvorschlag verlangen. Verwenden Sie lesbaren Text und verlassen Sie sich nicht auf eine winzige Beschriftung oder eine präzise räumliche Schätzung, ohne das Ausgangsbild zu prüfen.
OpenAIs Dokumentation der GPT-4o-Familie nennt ein Kontextfenster von 128.000 Token. Eingabe und gewünschte Antwort teilen sich den verfügbaren Kontext. Erhalten Sie deshalb nützliches Material und wichtige frühere Fakten und lassen Sie zugleich Platz für das Ergebnis. Definieren Sie die erforderliche Länge und das Format der Antwort ausdrücklich. Eine umfangreiche Quellensammlung ist am hilfreichsten, wenn die Anweisung die Frage und die dafür wichtigen Fakten benennt.
Der Hersteller dokumentiert Streaming, Funktionsaufrufe und Structured Outputs für die GPT-4o-Familie. Die aktuelle Anleitung zu Structured Outputs umfasst den Snapshot vom 6. August und spätere Modelle. Ein Schema definiert Felder und zulässige Form der Antwort, während eine Funktionsanfrage eine Anwendungsoperation vorschlägt. Die Anwendung führt ihre Aktionen aus und gibt tatsächliche Ergebnisse zurück. Auch wohlgeformte Felder müssen anhand der bereitgestellten Belege geprüft werden; fehlende Informationen werden ausdrücklich dargestellt.
Die Dokumentation der GPT-4o-Reihe beschreibt außerdem Predicted Outputs für eine Text- oder Codedatei, deren erwarteter Inhalt weitgehend bekannt ist. Dieser optionale Pfad nutzt den bekannten Text, wenn eine Fassung mit begrenzten Änderungen neu erzeugt wird, und kombiniert Vorhersage nicht mit Funktionsaufrufen. Wählen Sie für die Aufgabe selbst ein brauchbares fertiges Ergebnis: eine überarbeitete Passage, eine visuelle Erklärung, einen Antwortvorschlag oder strukturierte Erkenntnisse. Halten Sie wichtige Aussagen mit dem Originalmaterial verbunden und nutzen Sie spätere Nachrichten, um eine konkrete Frage zu klären oder einen bestimmten Abschnitt zu überarbeiten.
", "aboutText": "GPT-4o (2024-11-20) ist der separat benannte Snapshot vom 20. November in OpenAIs GPT-4o-API-Katalog. Er gehört zur GPT-4o-Familie für vielseitige Text- und Bildaufgaben, nimmt Text und Bilder entgegen und gibt Text aus. Seine datierte Identität wird getrennt von den Snapshots vom 6. August und 13. Mai sowie der wechselnden Chatauswahl von ChatGPT geführt.\n\nEin Anwendungsbeispiel ist die Überarbeitung eines Dokuments für eine bestimmte Zielgruppe. Stellen Sie das Originalmaterial, die Bedürfnisse der Leserschaft und die zu erhaltenden Fakten bereit. Verlangen Sie eine überarbeitete Passage oder ein vollständiges Dokument mit ausdrücklichem Zweck und verfeinern Sie die gewählte Fassung anschließend in einer Folgeanfrage. Eine nützliche Ausgabe kann eine knappe Erklärung der Änderungen enthalten, damit die Leserschaft sie mit dem Originaltext vergleichen kann.\n\nStellen Sie für eine visuelle Frage den Screenshot, das Foto oder Dokumentbild bereit und benennen Sie das Detail, das für die Aufgabe maßgeblich ist. Ergänzen Sie den schriftlichen Kontext, den das Bild allein nicht liefert. Eine Supportanfrage kann die Nutzernachricht mit einem Screenshot verbinden und eine relevante Beobachtung, noch benötigte Informationen und einen Antwortvorschlag verlangen. Verwenden Sie lesbaren Text und verlassen Sie sich nicht auf eine winzige Beschriftung oder eine präzise räumliche Schätzung, ohne das Ausgangsbild zu prüfen.\n\nOpenAIs Dokumentation der GPT-4o-Familie nennt ein Kontextfenster von 128.000 Token. Eingabe und gewünschte Antwort teilen sich den verfügbaren Kontext. Erhalten Sie deshalb nützliches Material und wichtige frühere Fakten und lassen Sie zugleich Platz für das Ergebnis. Definieren Sie die erforderliche Länge und das Format der Antwort ausdrücklich. Eine umfangreiche Quellensammlung ist am hilfreichsten, wenn die Anweisung die Frage und die dafür wichtigen Fakten benennt.\n\nDer Hersteller dokumentiert Streaming, Funktionsaufrufe und Structured Outputs für die GPT-4o-Familie. Die aktuelle Anleitung zu Structured Outputs umfasst den Snapshot vom 6. August und spätere Modelle. Ein Schema definiert Felder und zulässige Form der Antwort, während eine Funktionsanfrage eine Anwendungsoperation vorschlägt. Die Anwendung führt ihre Aktionen aus und gibt tatsächliche Ergebnisse zurück. Auch wohlgeformte Felder müssen anhand der bereitgestellten Belege geprüft werden; fehlende Informationen werden ausdrücklich dargestellt.\n\nDie Dokumentation der GPT-4o-Reihe beschreibt außerdem Predicted Outputs für eine Text- oder Codedatei, deren erwarteter Inhalt weitgehend bekannt ist. Dieser optionale Pfad nutzt den bekannten Text, wenn eine Fassung mit begrenzten Änderungen neu erzeugt wird, und kombiniert Vorhersage nicht mit Funktionsaufrufen. Wählen Sie für die Aufgabe selbst ein brauchbares fertiges Ergebnis: eine überarbeitete Passage, eine visuelle Erklärung, einen Antwortvorschlag oder strukturierte Erkenntnisse. Halten Sie wichtige Aussagen mit dem Originalmaterial verbunden und nutzen Sie spätere Nachrichten, um eine konkrete Frage zu klären oder einen bestimmten Abschnitt zu überarbeiten.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Edit a project update for a customer\n\nRewrite this internal note as a customer update under 80 words: 'The export fix is implemented in staging. QA found a separate date-format issue. Production rollout waits for both checks. Next review is Thursday.' Keep the tone calm, preserve the staging-versus-production distinction, and offer no release date or claim that the customer's issue is resolved.One customer-facing update with the current stage, remaining check and Thursday review.The draft never turns a scheduled review into a deployment promise or a staging fix into customer-visible resolution.openai/gpt-4o-2024-11-20Der separat benannte GPT-4o-API-Snapshot vom 20. November gehört zu OpenAIs Familie von Text- und Bildmodellen. Nutzen Sie einen klaren Auftrag zum Schreiben oder zur visuellen Analyse, um eine Antwort, ein überarbeitetes Dokument oder strukturierte Erkenntnisse zu erarbeiten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-4o (2024-11-20) ist der separat benannte Snapshot vom 20. November in OpenAIs GPT-4o-API-Katalog. Er gehört zur GPT-4o-Familie für vielseitige Text- und Bildaufgaben, nimmt Text und Bilder entgegen und gibt Text aus. Seine datierte Identität wird getrennt von den Snapshots vom 6. August und 13. Mai sowie der wechselnden Chatauswahl von ChatGPT geführt.
Ein Anwendungsbeispiel ist die Überarbeitung eines Dokuments für eine bestimmte Zielgruppe. Stellen Sie das Originalmaterial, die Bedürfnisse der Leserschaft und die zu erhaltenden Fakten bereit. Verlangen Sie eine überarbeitete Passage oder ein vollständiges Dokument mit ausdrücklichem Zweck und verfeinern Sie die gewählte Fassung anschließend in einer Folgeanfrage. Eine nützliche Ausgabe kann eine knappe Erklärung der Änderungen enthalten, damit die Leserschaft sie mit dem Originaltext vergleichen kann.
Stellen Sie für eine visuelle Frage den Screenshot, das Foto oder Dokumentbild bereit und benennen Sie das Detail, das für die Aufgabe maßgeblich ist. Ergänzen Sie den schriftlichen Kontext, den das Bild allein nicht liefert. Eine Supportanfrage kann die Nutzernachricht mit einem Screenshot verbinden und eine relevante Beobachtung, noch benötigte Informationen und einen Antwortvorschlag verlangen. Verwenden Sie lesbaren Text und verlassen Sie sich nicht auf eine winzige Beschriftung oder eine präzise räumliche Schätzung, ohne das Ausgangsbild zu prüfen.
OpenAIs Dokumentation der GPT-4o-Familie nennt ein Kontextfenster von 128.000 Token. Eingabe und gewünschte Antwort teilen sich den verfügbaren Kontext. Erhalten Sie deshalb nützliches Material und wichtige frühere Fakten und lassen Sie zugleich Platz für das Ergebnis. Definieren Sie die erforderliche Länge und das Format der Antwort ausdrücklich. Eine umfangreiche Quellensammlung ist am hilfreichsten, wenn die Anweisung die Frage und die dafür wichtigen Fakten benennt.
Der Hersteller dokumentiert Streaming, Funktionsaufrufe und Structured Outputs für die GPT-4o-Familie. Die aktuelle Anleitung zu Structured Outputs umfasst den Snapshot vom 6. August und spätere Modelle. Ein Schema definiert Felder und zulässige Form der Antwort, während eine Funktionsanfrage eine Anwendungsoperation vorschlägt. Die Anwendung führt ihre Aktionen aus und gibt tatsächliche Ergebnisse zurück. Auch wohlgeformte Felder müssen anhand der bereitgestellten Belege geprüft werden; fehlende Informationen werden ausdrücklich dargestellt.
Die Dokumentation der GPT-4o-Reihe beschreibt außerdem Predicted Outputs für eine Text- oder Codedatei, deren erwarteter Inhalt weitgehend bekannt ist. Dieser optionale Pfad nutzt den bekannten Text, wenn eine Fassung mit begrenzten Änderungen neu erzeugt wird, und kombiniert Vorhersage nicht mit Funktionsaufrufen. Wählen Sie für die Aufgabe selbst ein brauchbares fertiges Ergebnis: eine überarbeitete Passage, eine visuelle Erklärung, einen Antwortvorschlag oder strukturierte Erkenntnisse. Halten Sie wichtige Aussagen mit dem Originalmaterial verbunden und nutzen Sie spätere Nachrichten, um eine konkrete Frage zu klären oder einen bestimmten Abschnitt zu überarbeiten.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-4o-2024-11-20 | 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-2024-11-20", "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-2024-11-20',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-2024-11-20',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-2024-11-20
Verwenden Sie die oben angezeigten Methodenpfade.
openai/gpt-4o-2024-11-20Der separat benannte GPT-4o-API-Snapshot vom 20. November gehört zu OpenAIs Familie von Text- und Bildmodellen. Nutzen Sie einen klaren Auftrag zum Schreiben oder zur visuellen Analyse, um eine Antwort, ein überarbeitetes Dokument oder strukturierte Erkenntnisse zu erarbeiten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-4o (2024-11-20) ist der separat benannte Snapshot vom 20. November in OpenAIs GPT-4o-API-Katalog. Er gehört zur GPT-4o-Familie für vielseitige Text- und Bildaufgaben, nimmt Text und Bilder entgegen und gibt Text aus. Seine datierte Identität wird getrennt von den Snapshots vom 6. August und 13. Mai sowie der wechselnden Chatauswahl von ChatGPT geführt.
Ein Anwendungsbeispiel ist die Überarbeitung eines Dokuments für eine bestimmte Zielgruppe. Stellen Sie das Originalmaterial, die Bedürfnisse der Leserschaft und die zu erhaltenden Fakten bereit. Verlangen Sie eine überarbeitete Passage oder ein vollständiges Dokument mit ausdrücklichem Zweck und verfeinern Sie die gewählte Fassung anschließend in einer Folgeanfrage. Eine nützliche Ausgabe kann eine knappe Erklärung der Änderungen enthalten, damit die Leserschaft sie mit dem Originaltext vergleichen kann.
Stellen Sie für eine visuelle Frage den Screenshot, das Foto oder Dokumentbild bereit und benennen Sie das Detail, das für die Aufgabe maßgeblich ist. Ergänzen Sie den schriftlichen Kontext, den das Bild allein nicht liefert. Eine Supportanfrage kann die Nutzernachricht mit einem Screenshot verbinden und eine relevante Beobachtung, noch benötigte Informationen und einen Antwortvorschlag verlangen. Verwenden Sie lesbaren Text und verlassen Sie sich nicht auf eine winzige Beschriftung oder eine präzise räumliche Schätzung, ohne das Ausgangsbild zu prüfen.
OpenAIs Dokumentation der GPT-4o-Familie nennt ein Kontextfenster von 128.000 Token. Eingabe und gewünschte Antwort teilen sich den verfügbaren Kontext. Erhalten Sie deshalb nützliches Material und wichtige frühere Fakten und lassen Sie zugleich Platz für das Ergebnis. Definieren Sie die erforderliche Länge und das Format der Antwort ausdrücklich. Eine umfangreiche Quellensammlung ist am hilfreichsten, wenn die Anweisung die Frage und die dafür wichtigen Fakten benennt.
Der Hersteller dokumentiert Streaming, Funktionsaufrufe und Structured Outputs für die GPT-4o-Familie. Die aktuelle Anleitung zu Structured Outputs umfasst den Snapshot vom 6. August und spätere Modelle. Ein Schema definiert Felder und zulässige Form der Antwort, während eine Funktionsanfrage eine Anwendungsoperation vorschlägt. Die Anwendung führt ihre Aktionen aus und gibt tatsächliche Ergebnisse zurück. Auch wohlgeformte Felder müssen anhand der bereitgestellten Belege geprüft werden; fehlende Informationen werden ausdrücklich dargestellt.
Die Dokumentation der GPT-4o-Reihe beschreibt außerdem Predicted Outputs für eine Text- oder Codedatei, deren erwarteter Inhalt weitgehend bekannt ist. Dieser optionale Pfad nutzt den bekannten Text, wenn eine Fassung mit begrenzten Änderungen neu erzeugt wird, und kombiniert Vorhersage nicht mit Funktionsaufrufen. Wählen Sie für die Aufgabe selbst ein brauchbares fertiges Ergebnis: eine überarbeitete Passage, eine visuelle Erklärung, einen Antwortvorschlag oder strukturierte Erkenntnisse. Halten Sie wichtige Aussagen mit dem Originalmaterial verbunden und nutzen Sie spätere Nachrichten, um eine konkrete Frage zu klären oder einen bestimmten Abschnitt zu überarbeiten.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-4o-2024-11-20 | 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 $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-4o-2024-11-20",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2024-11-20', '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-2024-11-20', '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-2024-11-20
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Edit a project update for a customer\n\nRewrite this internal note as a customer update under 80 words: 'The export fix is implemented in staging. QA found a separate date-format issue. Production rollout waits for both checks. Next review is Thursday.' Keep the tone calm, preserve the staging-versus-production distinction, and offer no release date or claim that the customer's issue is resolved.One customer-facing update with the current stage, remaining check and Thursday review.The draft never turns a scheduled review into a deployment promise or a staging fix into customer-visible resolution.