GPT-4 Turbo Preview 0125 ist OpenAIs aktualisierte textorientierte Forschungsvorschau von GPT-4 Turbo. Sie verarbeitet schriftliche Anweisungen, Quellmaterial und Code und erzeugt Textantworten oder anwendungsorientierte Datensätze. Die Januar-Aktualisierung zielt gezielt auf vollständigere Aufgabenausführung etwa bei der Codegenerierung und behebt einen Fehler bei nicht englischsprachiger UTF-8-Generierung. Diese benannte Edition 0125 ist von der früheren Preview 1106 und von GPT-4 Turbo with Vision getrennt.
Die Preview-Modellkarte des Herstellers nennt ein Kontextfenster von 128.000 Token und bis zu 4.096 Ausgabetoken bei einem Wissensstand bis zum 1. Dezember 2023. Das große Eingabefenster kann zusammengehörige Dokumente oder Code neben einer detaillierten Frage aufnehmen; der Ausgaberahmen ist viel kleiner und sollte das gewünschte Ergebnis bestimmen. Geben Sie aktuelle Belege vor, wenn eine Frage von Informationen jenseits des gespeicherten Modellwissens abhängt.
Fügen Sie für einen Anforderungsvergleich die relevanten Dokumente bei, legen Sie die bei Widersprüchen maßgebliche Quelle fest und verlangen Sie die geänderte Anforderung, ihre belegende Passage und ihre Wirkung auf den genannten Ablauf. Geben Sie für eine Codeaufgabe das zu erreichende Verhalten, relevante Funktionen und das erwartete Ergebnis vor. Verlangen Sie eine vollständige Änderung innerhalb dieses Umfangs und benennen Sie, was als Erledigung gilt, statt ein überzeugendes Fragment als gesamte Aufgabe zu behandeln.
Die Familie GPT-4 Turbo Preview ergänzt stärkeres Einhalten von Formaten und einen JSON-Modus. Der Hersteller beschreibt den JSON-Modus als Beschränkung einer Antwort auf syntaktisch gültiges JSON; er verifiziert nicht unabhängig, dass der Wert eines Feldes korrekt ist oder ein Datensatz jede Geschäftsregel erfüllt. Definieren Sie Felder, zulässige Werte und den Umgang mit fehlenden Informationen in der Anweisung und prüfen Sie anschließend das zurückgegebene Objekt anhand dieser Anforderungen. Weisen Sie das Modell bei Verwendung des JSON-Modus des Herstellers ausdrücklich an, JSON zu erzeugen, und nehmen Sie das Wort „JSON“ in das Gespräch auf. Ohne diese Anweisung kann es bis zum Tokenlimit Leerraum ausgeben; prüfen Sie, ob ein vollständiges Objekt zurückgegeben wurde.
Eine Extraktionsaufgabe kann eine Eintragskennung, den dessen Status belegenden Quelltext und die nächste von diesem Beleg gestützte Aktion verlangen. Bewahren Sie das Originalmaterial zusammen mit dem Datensatz auf, damit ein Wert geprüft werden kann. Ein Parser, der das zurückgegebene JSON akzeptiert, ist ein Teil des Ablaufs; die korrekte Zuordnung zwischen Quelle und extrahierten Feldern ist ein anderer.
OpenAIs Preview-Veröffentlichung dokumentiert Funktionsaufrufe, einschließlich der Anforderung mehrerer Funktionen in einer Nachricht. Der Entwickler beschreibt jede Funktion und ihre Parameter; das Modell gibt Argumente für den angeforderten Vorgang zurück. Die umgebende Anwendung führt den Vorgang aus und liefert das tatsächliche Ergebnis. Eine Abfrageanfrage ist deshalb vom abgerufenen Datensatz und eine vorgeschlagene Aktion von ihrer Erledigung getrennt.
Stellen Sie zur Aufgabe passende Funktionen bereit und benennen Sie die Belege, die die nächste Antwort verwenden soll. Ein Vergleichsassistent kann die Datensätze für zwei benannte Einträge anfordern und anschließend ihre Unterschiede anhand der zurückgegebenen Werte erklären. Schlägt eine Abfrage fehl oder liefert sie unvollständiges Material, bewahren Sie diese Bedingung, statt einen plausiblen Ersatz zu erzeugen. Bewahren Sie Funktionskennungen und Ergebnisse zusammen mit der Fortsetzung auf.
Die Seed-Steuerung der Preview-Familie ist als Beta-Hilfe dokumentiert, um meist konsistente Antworten zu erhalten. Sie hilft beim Vergleich einer Prompt-Änderung unter sonst gleichbleibenden Einstellungen; sie garantiert nicht, dass jede wiederholte Anfrage eine identische Ausgabe erzeugt. Bewahren Sie beim Antwortvergleich Anweisung, Quellmaterial und Einstellungen zusammen auf.
Die aufgeführten Modalitäten dieses Profils sind Texteingabe und Textausgabe. Bildanalyse gehört zur separat benannten Vision Preview oder späteren multimodalen Profilen. Der JSON-Modus ist ebenfalls von neueren Funktionen mit erzwungenem Schema getrennt. Die Verbesserungen von 0125 bei Vollständigkeit und Kodierung beseitigen nicht die Notwendigkeit, eine Codeänderung, ein extrahiertes Feld oder eine Schlussfolgerung anhand der bereitgestellten Belege zu prüfen. Wählen Sie ein begrenztes, in den Ausgaberahmen passendes Ergebnis und bewahren Sie die genaue benannte Edition zusammen mit dem Resultat.
", "aboutText": "GPT-4 Turbo Preview 0125 ist OpenAIs aktualisierte textorientierte Forschungsvorschau von GPT-4 Turbo. Sie verarbeitet schriftliche Anweisungen, Quellmaterial und Code und erzeugt Textantworten oder anwendungsorientierte Datensätze. Die Januar-Aktualisierung zielt gezielt auf vollständigere Aufgabenausführung etwa bei der Codegenerierung und behebt einen Fehler bei nicht englischsprachiger UTF-8-Generierung. Diese benannte Edition 0125 ist von der früheren Preview 1106 und von GPT-4 Turbo with Vision getrennt.\n\n### Textarbeit mit großem Kontext\n\nDie Preview-Modellkarte des Herstellers nennt ein Kontextfenster von 128.000 Token und bis zu 4.096 Ausgabetoken bei einem Wissensstand bis zum 1. Dezember 2023. Das große Eingabefenster kann zusammengehörige Dokumente oder Code neben einer detaillierten Frage aufnehmen; der Ausgaberahmen ist viel kleiner und sollte das gewünschte Ergebnis bestimmen. Geben Sie aktuelle Belege vor, wenn eine Frage von Informationen jenseits des gespeicherten Modellwissens abhängt.\n\nFügen Sie für einen Anforderungsvergleich die relevanten Dokumente bei, legen Sie die bei Widersprüchen maßgebliche Quelle fest und verlangen Sie die geänderte Anforderung, ihre belegende Passage und ihre Wirkung auf den genannten Ablauf. Geben Sie für eine Codeaufgabe das zu erreichende Verhalten, relevante Funktionen und das erwartete Ergebnis vor. Verlangen Sie eine vollständige Änderung innerhalb dieses Umfangs und benennen Sie, was als Erledigung gilt, statt ein überzeugendes Fragment als gesamte Aufgabe zu behandeln.\n\n### Formate und JSON-Modus\n\nDie Familie GPT-4 Turbo Preview ergänzt stärkeres Einhalten von Formaten und einen JSON-Modus. Der Hersteller beschreibt den JSON-Modus als Beschränkung einer Antwort auf syntaktisch gültiges JSON; er verifiziert nicht unabhängig, dass der Wert eines Feldes korrekt ist oder ein Datensatz jede Geschäftsregel erfüllt. Definieren Sie Felder, zulässige Werte und den Umgang mit fehlenden Informationen in der Anweisung und prüfen Sie anschließend das zurückgegebene Objekt anhand dieser Anforderungen. Weisen Sie das Modell bei Verwendung des JSON-Modus des Herstellers ausdrücklich an, JSON zu erzeugen, und nehmen Sie das Wort „JSON“ in das Gespräch auf. Ohne diese Anweisung kann es bis zum Tokenlimit Leerraum ausgeben; prüfen Sie, ob ein vollständiges Objekt zurückgegeben wurde.\n\nEine Extraktionsaufgabe kann eine Eintragskennung, den dessen Status belegenden Quelltext und die nächste von diesem Beleg gestützte Aktion verlangen. Bewahren Sie das Originalmaterial zusammen mit dem Datensatz auf, damit ein Wert geprüft werden kann. Ein Parser, der das zurückgegebene JSON akzeptiert, ist ein Teil des Ablaufs; die korrekte Zuordnung zwischen Quelle und extrahierten Feldern ist ein anderer.\n\n### Funktionsaufrufe und tatsächliche Ergebnisse\n\nOpenAIs Preview-Veröffentlichung dokumentiert Funktionsaufrufe, einschließlich der Anforderung mehrerer Funktionen in einer Nachricht. Der Entwickler beschreibt jede Funktion und ihre Parameter; das Modell gibt Argumente für den angeforderten Vorgang zurück. Die umgebende Anwendung führt den Vorgang aus und liefert das tatsächliche Ergebnis. Eine Abfrageanfrage ist deshalb vom abgerufenen Datensatz und eine vorgeschlagene Aktion von ihrer Erledigung getrennt.\n\nStellen Sie zur Aufgabe passende Funktionen bereit und benennen Sie die Belege, die die nächste Antwort verwenden soll. Ein Vergleichsassistent kann die Datensätze für zwei benannte Einträge anfordern und anschließend ihre Unterschiede anhand der zurückgegebenen Werte erklären. Schlägt eine Abfrage fehl oder liefert sie unvollständiges Material, bewahren Sie diese Bedingung, statt einen plausiblen Ersatz zu erzeugen. Bewahren Sie Funktionskennungen und Ergebnisse zusammen mit der Fortsetzung auf.\n\n### Wiederholbarkeit und Editionsgrenzen\n\nDie Seed-Steuerung der Preview-Familie ist als Beta-Hilfe dokumentiert, um meist konsistente Antworten zu erhalten. Sie hilft beim Vergleich einer Prompt-Änderung unter sonst gleichbleibenden Einstellungen; sie garantiert nicht, dass jede wiederholte Anfrage eine identische Ausgabe erzeugt. Bewahren Sie beim Antwortvergleich Anweisung, Quellmaterial und Einstellungen zusammen auf.\n\nDie aufgeführten Modalitäten dieses Profils sind Texteingabe und Textausgabe. Bildanalyse gehört zur separat benannten Vision Preview oder späteren multimodalen Profilen. Der JSON-Modus ist ebenfalls von neueren Funktionen mit erzwungenem Schema getrennt. Die Verbesserungen von 0125 bei Vollständigkeit und Kodierung beseitigen nicht die Notwendigkeit, eine Codeänderung, ein extrahiertes Feld oder eine Schlussfolgerung anhand der bereitgestellten Belege zu prüfen. Wählen Sie ein begrenztes, in den Ausgaberahmen passendes Ergebnis und bewahren Sie die genaue benannte Edition zusammen mit dem Resultat.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Complete a CSV escaping function\n\nWrite a complete Python function csv_cell(value) that converts value to text and wraps it in double quotes only when it contains a comma, double quote or newline. Embedded double quotes must be doubled. Return the function and tests for plain text, a comma, a quotation mark and a newline. Use no third-party packages.A complete function and four concrete test cases covering each escaping condition.The quotation-mark test checks both outer quoting and doubling of the embedded quote.gpt-4-0125-previewGPT-4 Turbo Preview 0125 bearbeitet Text- und Codeaufgaben mit langem Kontext bei einem dokumentierten Kontextfenster von 128K. JSON-Modus und Funktionsaufrufe helfen, bereitgestelltes Material in Textantworten oder Anwendungsdatensätze umzuwandeln. Die genaue Preview-Edition bleibt von Modellen mit Bildverarbeitung und späteren Modellen getrennt.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-4 Turbo Preview 0125 ist OpenAIs aktualisierte textorientierte Forschungsvorschau von GPT-4 Turbo. Sie verarbeitet schriftliche Anweisungen, Quellmaterial und Code und erzeugt Textantworten oder anwendungsorientierte Datensätze. Die Januar-Aktualisierung zielt gezielt auf vollständigere Aufgabenausführung etwa bei der Codegenerierung und behebt einen Fehler bei nicht englischsprachiger UTF-8-Generierung. Diese benannte Edition 0125 ist von der früheren Preview 1106 und von GPT-4 Turbo with Vision getrennt.
Die Preview-Modellkarte des Herstellers nennt ein Kontextfenster von 128.000 Token und bis zu 4.096 Ausgabetoken bei einem Wissensstand bis zum 1. Dezember 2023. Das große Eingabefenster kann zusammengehörige Dokumente oder Code neben einer detaillierten Frage aufnehmen; der Ausgaberahmen ist viel kleiner und sollte das gewünschte Ergebnis bestimmen. Geben Sie aktuelle Belege vor, wenn eine Frage von Informationen jenseits des gespeicherten Modellwissens abhängt.
Fügen Sie für einen Anforderungsvergleich die relevanten Dokumente bei, legen Sie die bei Widersprüchen maßgebliche Quelle fest und verlangen Sie die geänderte Anforderung, ihre belegende Passage und ihre Wirkung auf den genannten Ablauf. Geben Sie für eine Codeaufgabe das zu erreichende Verhalten, relevante Funktionen und das erwartete Ergebnis vor. Verlangen Sie eine vollständige Änderung innerhalb dieses Umfangs und benennen Sie, was als Erledigung gilt, statt ein überzeugendes Fragment als gesamte Aufgabe zu behandeln.
Die Familie GPT-4 Turbo Preview ergänzt stärkeres Einhalten von Formaten und einen JSON-Modus. Der Hersteller beschreibt den JSON-Modus als Beschränkung einer Antwort auf syntaktisch gültiges JSON; er verifiziert nicht unabhängig, dass der Wert eines Feldes korrekt ist oder ein Datensatz jede Geschäftsregel erfüllt. Definieren Sie Felder, zulässige Werte und den Umgang mit fehlenden Informationen in der Anweisung und prüfen Sie anschließend das zurückgegebene Objekt anhand dieser Anforderungen. Weisen Sie das Modell bei Verwendung des JSON-Modus des Herstellers ausdrücklich an, JSON zu erzeugen, und nehmen Sie das Wort „JSON“ in das Gespräch auf. Ohne diese Anweisung kann es bis zum Tokenlimit Leerraum ausgeben; prüfen Sie, ob ein vollständiges Objekt zurückgegeben wurde.
Eine Extraktionsaufgabe kann eine Eintragskennung, den dessen Status belegenden Quelltext und die nächste von diesem Beleg gestützte Aktion verlangen. Bewahren Sie das Originalmaterial zusammen mit dem Datensatz auf, damit ein Wert geprüft werden kann. Ein Parser, der das zurückgegebene JSON akzeptiert, ist ein Teil des Ablaufs; die korrekte Zuordnung zwischen Quelle und extrahierten Feldern ist ein anderer.
OpenAIs Preview-Veröffentlichung dokumentiert Funktionsaufrufe, einschließlich der Anforderung mehrerer Funktionen in einer Nachricht. Der Entwickler beschreibt jede Funktion und ihre Parameter; das Modell gibt Argumente für den angeforderten Vorgang zurück. Die umgebende Anwendung führt den Vorgang aus und liefert das tatsächliche Ergebnis. Eine Abfrageanfrage ist deshalb vom abgerufenen Datensatz und eine vorgeschlagene Aktion von ihrer Erledigung getrennt.
Stellen Sie zur Aufgabe passende Funktionen bereit und benennen Sie die Belege, die die nächste Antwort verwenden soll. Ein Vergleichsassistent kann die Datensätze für zwei benannte Einträge anfordern und anschließend ihre Unterschiede anhand der zurückgegebenen Werte erklären. Schlägt eine Abfrage fehl oder liefert sie unvollständiges Material, bewahren Sie diese Bedingung, statt einen plausiblen Ersatz zu erzeugen. Bewahren Sie Funktionskennungen und Ergebnisse zusammen mit der Fortsetzung auf.
Die Seed-Steuerung der Preview-Familie ist als Beta-Hilfe dokumentiert, um meist konsistente Antworten zu erhalten. Sie hilft beim Vergleich einer Prompt-Änderung unter sonst gleichbleibenden Einstellungen; sie garantiert nicht, dass jede wiederholte Anfrage eine identische Ausgabe erzeugt. Bewahren Sie beim Antwortvergleich Anweisung, Quellmaterial und Einstellungen zusammen auf.
Die aufgeführten Modalitäten dieses Profils sind Texteingabe und Textausgabe. Bildanalyse gehört zur separat benannten Vision Preview oder späteren multimodalen Profilen. Der JSON-Modus ist ebenfalls von neueren Funktionen mit erzwungenem Schema getrennt. Die Verbesserungen von 0125 bei Vollständigkeit und Kodierung beseitigen nicht die Notwendigkeit, eine Codeänderung, ein extrahiertes Feld oder eine Schlussfolgerung anhand der bereitgestellten Belege zu prüfen. Wählen Sie ein begrenztes, in den Ausgaberahmen passendes Ergebnis und bewahren Sie die genaue benannte Edition zusammen mit dem Resultat.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-4-0125-preview | 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 $0.02 / 1K Token Ausgabe · Ausgabetoken $0.06 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-4-0125-preview", "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-4-0125-preview',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-4-0125-preview',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-4-0125-preview
Verwenden Sie die oben angezeigten Methodenpfade.
gpt-4-0125-previewGPT-4 Turbo Preview 0125 bearbeitet Text- und Codeaufgaben mit langem Kontext bei einem dokumentierten Kontextfenster von 128K. JSON-Modus und Funktionsaufrufe helfen, bereitgestelltes Material in Textantworten oder Anwendungsdatensätze umzuwandeln. Die genaue Preview-Edition bleibt von Modellen mit Bildverarbeitung und späteren Modellen getrennt.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-4 Turbo Preview 0125 ist OpenAIs aktualisierte textorientierte Forschungsvorschau von GPT-4 Turbo. Sie verarbeitet schriftliche Anweisungen, Quellmaterial und Code und erzeugt Textantworten oder anwendungsorientierte Datensätze. Die Januar-Aktualisierung zielt gezielt auf vollständigere Aufgabenausführung etwa bei der Codegenerierung und behebt einen Fehler bei nicht englischsprachiger UTF-8-Generierung. Diese benannte Edition 0125 ist von der früheren Preview 1106 und von GPT-4 Turbo with Vision getrennt.
Die Preview-Modellkarte des Herstellers nennt ein Kontextfenster von 128.000 Token und bis zu 4.096 Ausgabetoken bei einem Wissensstand bis zum 1. Dezember 2023. Das große Eingabefenster kann zusammengehörige Dokumente oder Code neben einer detaillierten Frage aufnehmen; der Ausgaberahmen ist viel kleiner und sollte das gewünschte Ergebnis bestimmen. Geben Sie aktuelle Belege vor, wenn eine Frage von Informationen jenseits des gespeicherten Modellwissens abhängt.
Fügen Sie für einen Anforderungsvergleich die relevanten Dokumente bei, legen Sie die bei Widersprüchen maßgebliche Quelle fest und verlangen Sie die geänderte Anforderung, ihre belegende Passage und ihre Wirkung auf den genannten Ablauf. Geben Sie für eine Codeaufgabe das zu erreichende Verhalten, relevante Funktionen und das erwartete Ergebnis vor. Verlangen Sie eine vollständige Änderung innerhalb dieses Umfangs und benennen Sie, was als Erledigung gilt, statt ein überzeugendes Fragment als gesamte Aufgabe zu behandeln.
Die Familie GPT-4 Turbo Preview ergänzt stärkeres Einhalten von Formaten und einen JSON-Modus. Der Hersteller beschreibt den JSON-Modus als Beschränkung einer Antwort auf syntaktisch gültiges JSON; er verifiziert nicht unabhängig, dass der Wert eines Feldes korrekt ist oder ein Datensatz jede Geschäftsregel erfüllt. Definieren Sie Felder, zulässige Werte und den Umgang mit fehlenden Informationen in der Anweisung und prüfen Sie anschließend das zurückgegebene Objekt anhand dieser Anforderungen. Weisen Sie das Modell bei Verwendung des JSON-Modus des Herstellers ausdrücklich an, JSON zu erzeugen, und nehmen Sie das Wort „JSON“ in das Gespräch auf. Ohne diese Anweisung kann es bis zum Tokenlimit Leerraum ausgeben; prüfen Sie, ob ein vollständiges Objekt zurückgegeben wurde.
Eine Extraktionsaufgabe kann eine Eintragskennung, den dessen Status belegenden Quelltext und die nächste von diesem Beleg gestützte Aktion verlangen. Bewahren Sie das Originalmaterial zusammen mit dem Datensatz auf, damit ein Wert geprüft werden kann. Ein Parser, der das zurückgegebene JSON akzeptiert, ist ein Teil des Ablaufs; die korrekte Zuordnung zwischen Quelle und extrahierten Feldern ist ein anderer.
OpenAIs Preview-Veröffentlichung dokumentiert Funktionsaufrufe, einschließlich der Anforderung mehrerer Funktionen in einer Nachricht. Der Entwickler beschreibt jede Funktion und ihre Parameter; das Modell gibt Argumente für den angeforderten Vorgang zurück. Die umgebende Anwendung führt den Vorgang aus und liefert das tatsächliche Ergebnis. Eine Abfrageanfrage ist deshalb vom abgerufenen Datensatz und eine vorgeschlagene Aktion von ihrer Erledigung getrennt.
Stellen Sie zur Aufgabe passende Funktionen bereit und benennen Sie die Belege, die die nächste Antwort verwenden soll. Ein Vergleichsassistent kann die Datensätze für zwei benannte Einträge anfordern und anschließend ihre Unterschiede anhand der zurückgegebenen Werte erklären. Schlägt eine Abfrage fehl oder liefert sie unvollständiges Material, bewahren Sie diese Bedingung, statt einen plausiblen Ersatz zu erzeugen. Bewahren Sie Funktionskennungen und Ergebnisse zusammen mit der Fortsetzung auf.
Die Seed-Steuerung der Preview-Familie ist als Beta-Hilfe dokumentiert, um meist konsistente Antworten zu erhalten. Sie hilft beim Vergleich einer Prompt-Änderung unter sonst gleichbleibenden Einstellungen; sie garantiert nicht, dass jede wiederholte Anfrage eine identische Ausgabe erzeugt. Bewahren Sie beim Antwortvergleich Anweisung, Quellmaterial und Einstellungen zusammen auf.
Die aufgeführten Modalitäten dieses Profils sind Texteingabe und Textausgabe. Bildanalyse gehört zur separat benannten Vision Preview oder späteren multimodalen Profilen. Der JSON-Modus ist ebenfalls von neueren Funktionen mit erzwungenem Schema getrennt. Die Verbesserungen von 0125 bei Vollständigkeit und Kodierung beseitigen nicht die Notwendigkeit, eine Codeänderung, ein extrahiertes Feld oder eine Schlussfolgerung anhand der bereitgestellten Belege zu prüfen. Wählen Sie ein begrenztes, in den Ausgaberahmen passendes Ergebnis und bewahren Sie die genaue benannte Edition zusammen mit dem Resultat.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-4-0125-preview | 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 $0.02 / 1K Token Ausgabe · Ausgabetoken $0.06 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gpt-4-0125-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-0125-preview', '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-4-0125-preview', '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-4-0125-preview
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Complete a CSV escaping function\n\nWrite a complete Python function csv_cell(value) that converts value to text and wraps it in double quotes only when it contains a comma, double quote or newline. Embedded double quotes must be doubled. Return the function and tests for plain text, a comma, a quotation mark and a newline. Use no third-party packages.A complete function and four concrete test cases covering each escaping condition.The quotation-mark test checks both outer quoting and doubling of the embedded quote.