GPT-4 32K ist OpenAIs GPT-4-Textprofil mit erweitertem Kontext für Aufgaben, die mehr zusammengehöriges Material in einer Anfrage benötigen. Der Hersteller dokumentiert einen Kontext von 32’768 Token gegenüber den 8’192 Token des ursprünglichen GPT-4-Profils. Es nimmt Text entgegen und gibt Text zurück, einschliesslich natürlichsprachlicher Erklärungen, Entwürfen und Code. Sein wesentliches Unterscheidungsmerkmal ist der grössere Kontext und nicht das 128K-Fenster oder die multimodalen Fähigkeiten späterer GPT-4 Turbo-Profile.
Stellen Sie die Dokumente oder den Code für eine klar beschriebene Aufgabe bereit. Ein Anforderungsvergleich kann mehrere Spezifikationen zusammenführen und fragen, welche Bedingungen übereinstimmen, welche sich widersprechen und welche Quelle eine Entscheidung bestimmt. Geben Sie jeder Quelle eine Kennung und verlangen Sie die Passage, die eine wichtige Erkenntnis stützt. Zusammengehörige Belege gemeinsam bereitzustellen kann ihren Vergleich erleichtern. Das Ergebnis muss dennoch die Verbindung zwischen Schlussfolgerung und Quelle erhalten.
Fügen Sie für eine Frage zur Codebasis die relevanten Funktionen, ihre Aufrufer und das untersuchte Verhalten hinzu. Verlangen Sie eine Erklärung der Abhängigkeit oder eine auf dieses Verhalten bezogene gezielte Änderung. Der grössere Kontext kann hilfreichen umgebenden Code aufnehmen, ersetzt aber weder eine definierte Frage noch ein Abschlusskriterium. Ein Codevorschlag sollte den auslösenden Eingabefall und das prüfbare erwartete Ergebnis benennen.
Die Veröffentlichung von GPT-4 beschreibt die Steuerbarkeit über die Systemnachricht: Der Entwickler kann Aufgabe, Tonalität und Stil des Modells vorgeben. Legen Sie mit dieser Anweisung fest, ob die Antwort eine kurze Erklärung, ein Vergleich, ein Entwurf oder ein Datensatz mit benannten Feldern sein soll. Definieren Sie die Darstellung fehlender Informationen und unterscheiden Sie bereitgestellte Fakten von Annahmen. Eine Aufgabe zur Dokumentverarbeitung kann eine Liste von Bedingungen mit Quellenkennung und relevanter Passage neben jeder Bedingung verlangen.
Erhalten Sie diese Anweisungen im weiteren Gesprächsverlauf. Fügen Sie das tatsächliche vorherige Ergebnis hinzu, wenn die nächste Anfrage es überarbeitet, und benennen Sie die gewünschte Änderung. Eine hilfreiche Folgeanfrage grenzt einen Widerspruch in einem Vergleich ein oder verlangt eine Korrektur an einem Teil des Entwurfs, statt vorauszusetzen, dass ein neuer isolierter Prompt die gesamte frühere Aufgabe erhält.
Das Update 0613 des Herstellers ergänzt die Verbesserungen der Funktionsaufrufe von GPT-4 für die Edition mit erweitertem Kontext. Der Entwickler beschreibt eine Funktion und ihre Parameter. Das Modell kann ein JSON-Objekt mit Argumenten für diese Funktion zurückgeben. Die Anwendung führt die Operation aus und liefert das zurückgegebene Ergebnis. Die nützliche Fähigkeit ist eine mit dem Anwendungsverhalten verbundene strukturierte Anfrage und keine direkte Erledigung einer externen Aktion durch das Modell.
Für einen Informationsassistenten kann eine Funktion den tatsächlich zur Beantwortung benötigten Datensatz abrufen. Halten Sie die angeforderte Kennung und den zurückgegebenen Datensatz zusammen und verlangen Sie dann eine darauf beruhende Antwort. Prüfen Sie, ob die Nutzeranfrage eine vorgeschlagene Aktion trägt und ob die Funktion sie tatsächlich abgeschlossen hat. Die aktualisierte Funktionsschnittstelle ist von den späteren Ergänzungen um JSON-Modus und parallele Aufrufe bei GPT-4 Turbo getrennt.
Die ursprüngliche GPT-4-Veröffentlichung nennt Halluzinationen bei Sachangaben, Denkfehler und begrenztes Wissen zu neueren Ereignissen als wesentliche Einschränkungen. Laut dieser Veröffentlichung stammt der Grossteil der Trainingsdaten von GPT-4 aus der Zeit bis September 2021. Stellen Sie aktuelle Belege für eine Frage bereit, deren Antwort sich geändert hat, und prüfen Sie wichtige Zahlen, Namen und Codeverhalten anhand der Quelle. Auch eine selbstsichere Erklärung kann eine Bedingung falsch interpretieren oder einen Fehler einführen.
Halten Sie das verlangte Ergebnis im angemessenen Verhältnis zur Aufgabe und zum verfügbaren Kontext. Die Angabe 32K bezeichnet eine Kontextkapazität und verspricht weder eine ebenso lange fertige Antwort noch ein vollkommenes Verständnis jeder enthaltenen Passage. Bewahren Sie das gewählte Modellprofil, Anweisungen, Ausgangsmaterial und Ergebnis zusammen auf. So werden ein Vergleich langer Dokumente, eine Codeerklärung oder ein überarbeiteter Entwurf konkret genug, um sie zu prüfen und fortzusetzen.
", "aboutText": "GPT-4 32K ist OpenAIs GPT-4-Textprofil mit erweitertem Kontext für Aufgaben, die mehr zusammengehöriges Material in einer Anfrage benötigen. Der Hersteller dokumentiert einen Kontext von 32’768 Token gegenüber den 8’192 Token des ursprünglichen GPT-4-Profils. Es nimmt Text entgegen und gibt Text zurück, einschliesslich natürlichsprachlicher Erklärungen, Entwürfen und Code. Sein wesentliches Unterscheidungsmerkmal ist der grössere Kontext und nicht das 128K-Fenster oder die multimodalen Fähigkeiten späterer GPT-4 Turbo-Profile.\n\n### Den Kontext für zusammengehörige Belege nutzen\n\nStellen Sie die Dokumente oder den Code für eine klar beschriebene Aufgabe bereit. Ein Anforderungsvergleich kann mehrere Spezifikationen zusammenführen und fragen, welche Bedingungen übereinstimmen, welche sich widersprechen und welche Quelle eine Entscheidung bestimmt. Geben Sie jeder Quelle eine Kennung und verlangen Sie die Passage, die eine wichtige Erkenntnis stützt. Zusammengehörige Belege gemeinsam bereitzustellen kann ihren Vergleich erleichtern. Das Ergebnis muss dennoch die Verbindung zwischen Schlussfolgerung und Quelle erhalten.\n\nFügen Sie für eine Frage zur Codebasis die relevanten Funktionen, ihre Aufrufer und das untersuchte Verhalten hinzu. Verlangen Sie eine Erklärung der Abhängigkeit oder eine auf dieses Verhalten bezogene gezielte Änderung. Der grössere Kontext kann hilfreichen umgebenden Code aufnehmen, ersetzt aber weder eine definierte Frage noch ein Abschlusskriterium. Ein Codevorschlag sollte den auslösenden Eingabefall und das prüfbare erwartete Ergebnis benennen.\n\n### Aufgabe und Antwortstil benennen\n\nDie Veröffentlichung von GPT-4 beschreibt die Steuerbarkeit über die Systemnachricht: Der Entwickler kann Aufgabe, Tonalität und Stil des Modells vorgeben. Legen Sie mit dieser Anweisung fest, ob die Antwort eine kurze Erklärung, ein Vergleich, ein Entwurf oder ein Datensatz mit benannten Feldern sein soll. Definieren Sie die Darstellung fehlender Informationen und unterscheiden Sie bereitgestellte Fakten von Annahmen. Eine Aufgabe zur Dokumentverarbeitung kann eine Liste von Bedingungen mit Quellenkennung und relevanter Passage neben jeder Bedingung verlangen.\n\nErhalten Sie diese Anweisungen im weiteren Gesprächsverlauf. Fügen Sie das tatsächliche vorherige Ergebnis hinzu, wenn die nächste Anfrage es überarbeitet, und benennen Sie die gewünschte Änderung. Eine hilfreiche Folgeanfrage grenzt einen Widerspruch in einem Vergleich ein oder verlangt eine Korrektur an einem Teil des Entwurfs, statt vorauszusetzen, dass ein neuer isolierter Prompt die gesamte frühere Aufgabe erhält.\n\n### Funktionsaufrufe in der aktualisierten 32K-Reihe\n\nDas Update 0613 des Herstellers ergänzt die Verbesserungen der Funktionsaufrufe von GPT-4 für die Edition mit erweitertem Kontext. Der Entwickler beschreibt eine Funktion und ihre Parameter. Das Modell kann ein JSON-Objekt mit Argumenten für diese Funktion zurückgeben. Die Anwendung führt die Operation aus und liefert das zurückgegebene Ergebnis. Die nützliche Fähigkeit ist eine mit dem Anwendungsverhalten verbundene strukturierte Anfrage und keine direkte Erledigung einer externen Aktion durch das Modell.\n\nFür einen Informationsassistenten kann eine Funktion den tatsächlich zur Beantwortung benötigten Datensatz abrufen. Halten Sie die angeforderte Kennung und den zurückgegebenen Datensatz zusammen und verlangen Sie dann eine darauf beruhende Antwort. Prüfen Sie, ob die Nutzeranfrage eine vorgeschlagene Aktion trägt und ob die Funktion sie tatsächlich abgeschlossen hat. Die aktualisierte Funktionsschnittstelle ist von den späteren Ergänzungen um JSON-Modus und parallele Aufrufe bei GPT-4 Turbo getrennt.\n\n### Die Antwort anhand des Materials prüfen\n\nDie ursprüngliche GPT-4-Veröffentlichung nennt Halluzinationen bei Sachangaben, Denkfehler und begrenztes Wissen zu neueren Ereignissen als wesentliche Einschränkungen. Laut dieser Veröffentlichung stammt der Grossteil der Trainingsdaten von GPT-4 aus der Zeit bis September 2021. Stellen Sie aktuelle Belege für eine Frage bereit, deren Antwort sich geändert hat, und prüfen Sie wichtige Zahlen, Namen und Codeverhalten anhand der Quelle. Auch eine selbstsichere Erklärung kann eine Bedingung falsch interpretieren oder einen Fehler einführen.\n\nHalten Sie das verlangte Ergebnis im angemessenen Verhältnis zur Aufgabe und zum verfügbaren Kontext. Die Angabe 32K bezeichnet eine Kontextkapazität und verspricht weder eine ebenso lange fertige Antwort noch ein vollkommenes Verständnis jeder enthaltenen Passage. Bewahren Sie das gewählte Modellprofil, Anweisungen, Ausgangsmaterial und Ergebnis zusammen auf. So werden ein Vergleich langer Dokumente, eine Codeerklärung oder ein überarbeiteter Entwurf konkret genug, um sie zu prüfen und fortzusetzen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Compare a specification and addendum\n\nCompare these labelled terms for a project manager. Specification S: deliver 40 desks by 1 June; acceptance requires assembly. Addendum A: delivery moves to 8 June; all other terms remain unchanged. Addendum A has priority. Write the current obligations in three bullets and show which source establishes each. Do not treat the original deadline as still active.Three source-linked obligations for quantity, revised delivery date and assembly at acceptance.Only the deadline changes; the answer retains 40 desks and the assembly requirement.gpt-4-32kGPT-4 32K ist das GPT-4-Textprofil mit erweitertem Kontext für grössere Dokument- oder Codesammlungen. Sein dokumentierter Kontext von 32’768 Token unterstützt zusammengehöriges Material in einer Aufgabe. Systemanweisungen steuern die Antwort; Funktionsaufrufe sind für die aktualisierte Edition 0613 dokumentiert.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-4 32K ist OpenAIs GPT-4-Textprofil mit erweitertem Kontext für Aufgaben, die mehr zusammengehöriges Material in einer Anfrage benötigen. Der Hersteller dokumentiert einen Kontext von 32’768 Token gegenüber den 8’192 Token des ursprünglichen GPT-4-Profils. Es nimmt Text entgegen und gibt Text zurück, einschliesslich natürlichsprachlicher Erklärungen, Entwürfen und Code. Sein wesentliches Unterscheidungsmerkmal ist der grössere Kontext und nicht das 128K-Fenster oder die multimodalen Fähigkeiten späterer GPT-4 Turbo-Profile.
Stellen Sie die Dokumente oder den Code für eine klar beschriebene Aufgabe bereit. Ein Anforderungsvergleich kann mehrere Spezifikationen zusammenführen und fragen, welche Bedingungen übereinstimmen, welche sich widersprechen und welche Quelle eine Entscheidung bestimmt. Geben Sie jeder Quelle eine Kennung und verlangen Sie die Passage, die eine wichtige Erkenntnis stützt. Zusammengehörige Belege gemeinsam bereitzustellen kann ihren Vergleich erleichtern. Das Ergebnis muss dennoch die Verbindung zwischen Schlussfolgerung und Quelle erhalten.
Fügen Sie für eine Frage zur Codebasis die relevanten Funktionen, ihre Aufrufer und das untersuchte Verhalten hinzu. Verlangen Sie eine Erklärung der Abhängigkeit oder eine auf dieses Verhalten bezogene gezielte Änderung. Der grössere Kontext kann hilfreichen umgebenden Code aufnehmen, ersetzt aber weder eine definierte Frage noch ein Abschlusskriterium. Ein Codevorschlag sollte den auslösenden Eingabefall und das prüfbare erwartete Ergebnis benennen.
Die Veröffentlichung von GPT-4 beschreibt die Steuerbarkeit über die Systemnachricht: Der Entwickler kann Aufgabe, Tonalität und Stil des Modells vorgeben. Legen Sie mit dieser Anweisung fest, ob die Antwort eine kurze Erklärung, ein Vergleich, ein Entwurf oder ein Datensatz mit benannten Feldern sein soll. Definieren Sie die Darstellung fehlender Informationen und unterscheiden Sie bereitgestellte Fakten von Annahmen. Eine Aufgabe zur Dokumentverarbeitung kann eine Liste von Bedingungen mit Quellenkennung und relevanter Passage neben jeder Bedingung verlangen.
Erhalten Sie diese Anweisungen im weiteren Gesprächsverlauf. Fügen Sie das tatsächliche vorherige Ergebnis hinzu, wenn die nächste Anfrage es überarbeitet, und benennen Sie die gewünschte Änderung. Eine hilfreiche Folgeanfrage grenzt einen Widerspruch in einem Vergleich ein oder verlangt eine Korrektur an einem Teil des Entwurfs, statt vorauszusetzen, dass ein neuer isolierter Prompt die gesamte frühere Aufgabe erhält.
Das Update 0613 des Herstellers ergänzt die Verbesserungen der Funktionsaufrufe von GPT-4 für die Edition mit erweitertem Kontext. Der Entwickler beschreibt eine Funktion und ihre Parameter. Das Modell kann ein JSON-Objekt mit Argumenten für diese Funktion zurückgeben. Die Anwendung führt die Operation aus und liefert das zurückgegebene Ergebnis. Die nützliche Fähigkeit ist eine mit dem Anwendungsverhalten verbundene strukturierte Anfrage und keine direkte Erledigung einer externen Aktion durch das Modell.
Für einen Informationsassistenten kann eine Funktion den tatsächlich zur Beantwortung benötigten Datensatz abrufen. Halten Sie die angeforderte Kennung und den zurückgegebenen Datensatz zusammen und verlangen Sie dann eine darauf beruhende Antwort. Prüfen Sie, ob die Nutzeranfrage eine vorgeschlagene Aktion trägt und ob die Funktion sie tatsächlich abgeschlossen hat. Die aktualisierte Funktionsschnittstelle ist von den späteren Ergänzungen um JSON-Modus und parallele Aufrufe bei GPT-4 Turbo getrennt.
Die ursprüngliche GPT-4-Veröffentlichung nennt Halluzinationen bei Sachangaben, Denkfehler und begrenztes Wissen zu neueren Ereignissen als wesentliche Einschränkungen. Laut dieser Veröffentlichung stammt der Grossteil der Trainingsdaten von GPT-4 aus der Zeit bis September 2021. Stellen Sie aktuelle Belege für eine Frage bereit, deren Antwort sich geändert hat, und prüfen Sie wichtige Zahlen, Namen und Codeverhalten anhand der Quelle. Auch eine selbstsichere Erklärung kann eine Bedingung falsch interpretieren oder einen Fehler einführen.
Halten Sie das verlangte Ergebnis im angemessenen Verhältnis zur Aufgabe und zum verfügbaren Kontext. Die Angabe 32K bezeichnet eine Kontextkapazität und verspricht weder eine ebenso lange fertige Antwort noch ein vollkommenes Verständnis jeder enthaltenen Passage. Bewahren Sie das gewählte Modellprofil, Anweisungen, Ausgangsmaterial und Ergebnis zusammen auf. So werden ein Vergleich langer Dokumente, eine Codeerklärung oder ein überarbeiteter Entwurf konkret genug, um sie zu prüfen und fortzusetzen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-4-32k | 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.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.12 / 1K Tokens Ausgabe · Ausgabetoken $0.24 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-4-32k", "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='gpt-4-32k',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='gpt-4-32k',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 gpt-4-32k
Verwenden Sie die oben angezeigten Methodenpfade.
gpt-4-32kGPT-4 32K ist das GPT-4-Textprofil mit erweitertem Kontext für grössere Dokument- oder Codesammlungen. Sein dokumentierter Kontext von 32’768 Token unterstützt zusammengehöriges Material in einer Aufgabe. Systemanweisungen steuern die Antwort; Funktionsaufrufe sind für die aktualisierte Edition 0613 dokumentiert.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-4 32K ist OpenAIs GPT-4-Textprofil mit erweitertem Kontext für Aufgaben, die mehr zusammengehöriges Material in einer Anfrage benötigen. Der Hersteller dokumentiert einen Kontext von 32’768 Token gegenüber den 8’192 Token des ursprünglichen GPT-4-Profils. Es nimmt Text entgegen und gibt Text zurück, einschliesslich natürlichsprachlicher Erklärungen, Entwürfen und Code. Sein wesentliches Unterscheidungsmerkmal ist der grössere Kontext und nicht das 128K-Fenster oder die multimodalen Fähigkeiten späterer GPT-4 Turbo-Profile.
Stellen Sie die Dokumente oder den Code für eine klar beschriebene Aufgabe bereit. Ein Anforderungsvergleich kann mehrere Spezifikationen zusammenführen und fragen, welche Bedingungen übereinstimmen, welche sich widersprechen und welche Quelle eine Entscheidung bestimmt. Geben Sie jeder Quelle eine Kennung und verlangen Sie die Passage, die eine wichtige Erkenntnis stützt. Zusammengehörige Belege gemeinsam bereitzustellen kann ihren Vergleich erleichtern. Das Ergebnis muss dennoch die Verbindung zwischen Schlussfolgerung und Quelle erhalten.
Fügen Sie für eine Frage zur Codebasis die relevanten Funktionen, ihre Aufrufer und das untersuchte Verhalten hinzu. Verlangen Sie eine Erklärung der Abhängigkeit oder eine auf dieses Verhalten bezogene gezielte Änderung. Der grössere Kontext kann hilfreichen umgebenden Code aufnehmen, ersetzt aber weder eine definierte Frage noch ein Abschlusskriterium. Ein Codevorschlag sollte den auslösenden Eingabefall und das prüfbare erwartete Ergebnis benennen.
Die Veröffentlichung von GPT-4 beschreibt die Steuerbarkeit über die Systemnachricht: Der Entwickler kann Aufgabe, Tonalität und Stil des Modells vorgeben. Legen Sie mit dieser Anweisung fest, ob die Antwort eine kurze Erklärung, ein Vergleich, ein Entwurf oder ein Datensatz mit benannten Feldern sein soll. Definieren Sie die Darstellung fehlender Informationen und unterscheiden Sie bereitgestellte Fakten von Annahmen. Eine Aufgabe zur Dokumentverarbeitung kann eine Liste von Bedingungen mit Quellenkennung und relevanter Passage neben jeder Bedingung verlangen.
Erhalten Sie diese Anweisungen im weiteren Gesprächsverlauf. Fügen Sie das tatsächliche vorherige Ergebnis hinzu, wenn die nächste Anfrage es überarbeitet, und benennen Sie die gewünschte Änderung. Eine hilfreiche Folgeanfrage grenzt einen Widerspruch in einem Vergleich ein oder verlangt eine Korrektur an einem Teil des Entwurfs, statt vorauszusetzen, dass ein neuer isolierter Prompt die gesamte frühere Aufgabe erhält.
Das Update 0613 des Herstellers ergänzt die Verbesserungen der Funktionsaufrufe von GPT-4 für die Edition mit erweitertem Kontext. Der Entwickler beschreibt eine Funktion und ihre Parameter. Das Modell kann ein JSON-Objekt mit Argumenten für diese Funktion zurückgeben. Die Anwendung führt die Operation aus und liefert das zurückgegebene Ergebnis. Die nützliche Fähigkeit ist eine mit dem Anwendungsverhalten verbundene strukturierte Anfrage und keine direkte Erledigung einer externen Aktion durch das Modell.
Für einen Informationsassistenten kann eine Funktion den tatsächlich zur Beantwortung benötigten Datensatz abrufen. Halten Sie die angeforderte Kennung und den zurückgegebenen Datensatz zusammen und verlangen Sie dann eine darauf beruhende Antwort. Prüfen Sie, ob die Nutzeranfrage eine vorgeschlagene Aktion trägt und ob die Funktion sie tatsächlich abgeschlossen hat. Die aktualisierte Funktionsschnittstelle ist von den späteren Ergänzungen um JSON-Modus und parallele Aufrufe bei GPT-4 Turbo getrennt.
Die ursprüngliche GPT-4-Veröffentlichung nennt Halluzinationen bei Sachangaben, Denkfehler und begrenztes Wissen zu neueren Ereignissen als wesentliche Einschränkungen. Laut dieser Veröffentlichung stammt der Grossteil der Trainingsdaten von GPT-4 aus der Zeit bis September 2021. Stellen Sie aktuelle Belege für eine Frage bereit, deren Antwort sich geändert hat, und prüfen Sie wichtige Zahlen, Namen und Codeverhalten anhand der Quelle. Auch eine selbstsichere Erklärung kann eine Bedingung falsch interpretieren oder einen Fehler einführen.
Halten Sie das verlangte Ergebnis im angemessenen Verhältnis zur Aufgabe und zum verfügbaren Kontext. Die Angabe 32K bezeichnet eine Kontextkapazität und verspricht weder eine ebenso lange fertige Antwort noch ein vollkommenes Verständnis jeder enthaltenen Passage. Bewahren Sie das gewählte Modellprofil, Anweisungen, Ausgangsmaterial und Ergebnis zusammen auf. So werden ein Vergleich langer Dokumente, eine Codeerklärung oder ein überarbeiteter Entwurf konkret genug, um sie zu prüfen und fortzusetzen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-4-32k | 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.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.12 / 1K Tokens Ausgabe · Ausgabetoken $0.24 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gpt-4-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'gpt-4-32k', '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': 'gpt-4-32k', '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 gpt-4-32k
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Compare a specification and addendum\n\nCompare these labelled terms for a project manager. Specification S: deliver 40 desks by 1 June; acceptance requires assembly. Addendum A: delivery moves to 8 June; all other terms remain unchanged. Addendum A has priority. Write the current obligations in three bullets and show which source establishes each. Do not treat the original deadline as still active.Three source-linked obligations for quantity, revised delivery date and assembly at acceptance.Only the deadline changes; the answer retains 40 desks and the assembly requirement.