GPT-4 Turbo ist OpenAIs Modell der GPT-4-Familie mit Text- und Bildeingaben sowie Textausgabe. Die aktuelle Turbo-Modellkarte des Herstellers bezieht sich auf das Modell mit Bildverarbeitung und führt Preview-Namen getrennt. Es kann für Fragen zu bereitgestellten Dokumenten, einem Bild oder einer Kombination schriftlicher und visueller Belege eingesetzt werden.
Stellen Sie für eine Dokumentaufgabe die relevanten Abschnitte und die zu beantwortende Frage bereit. Eine Beispielanfrage vergleicht ein Verfahren mit Anforderungen und erstellt dann eine knappe Erklärung von Übereinstimmungen, Unterschieden und offenen Fragen. Benennen Sie die vorrangige Quelle und die zu erhaltenden Fakten, wenn das Ergebnis für seine Leserschaft umgeschrieben wird.
Stellen Sie für eine visuelle Aufgabe den Screenshot, das Foto oder Diagramm bereit und benennen Sie das wichtige Detail. Ergänzen Sie schriftlichen Kontext, wenn das Bild allein weder das Nutzerziel noch die Bedeutung einer Beschriftung belegt. Ein Supportantwortvorschlag kann die relevante Beobachtung mit einer Frage zur Klärung fehlender Informationen verbinden. Eine Codefrage kann die Implementierung und das zu erklärende oder zu ändernde Verhalten enthalten.
OpenAI nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 4.096 Token und einen Wissensstand bis zum 1. Dezember 2023. Durch die vergleichsweise kurze Ausgabegrenze ist das verlangte Ergebnis wichtig: Fordern Sie die Antwort, den Abschnitt oder die Erkenntnisse an, die die Aufgabe tatsächlich benötigt. Ausgangsmaterial und erzeugte Antwort teilen sich den verfügbaren Kontext.
Die herstellerseitige Modellkarte unterstützt Streaming und Funktionsaufrufe und kennzeichnet schemabasierte Structured Outputs, Fine-Tuning und Predicted Outputs als nicht unterstützt. Der Leitfaden zum JSON-Modus nennt die GPT-4-Modellfamilie für Antworten mit gültigem JSON; dieser Modus garantiert kein bestimmtes Schema. Eine Anwendung prüft die zurückgegebenen Felder, führt ihre beschriebenen Operationen aus und gibt dann tatsächliche Werkzeugergebnisse für einen Folgeschritt zurück.
Definieren Sie Zielgruppe, Tonalität und Abschlusskriterium. Trennen Sie für ein analytisches Ergebnis Quellenfakten, Schlussfolgerung und ungeklärte Bedingungen. Geben Sie für ein überarbeitetes Dokument an, welche Bedeutung und Terminologie erhalten bleiben müssen. Ein brauchbares fertiges Ergebnis ist eine gezielte Antwort oder ein Abschnitt, dessen wichtige Aussagen anhand des Originalmaterials geprüft und in einer späteren Nachricht verfeinert werden können.
", "aboutText": "GPT-4 Turbo ist OpenAIs Modell der GPT-4-Familie mit Text- und Bildeingaben sowie Textausgabe. Die aktuelle Turbo-Modellkarte des Herstellers bezieht sich auf das Modell mit Bildverarbeitung und führt Preview-Namen getrennt. Es kann für Fragen zu bereitgestellten Dokumenten, einem Bild oder einer Kombination schriftlicher und visueller Belege eingesetzt werden.\n\nStellen Sie für eine Dokumentaufgabe die relevanten Abschnitte und die zu beantwortende Frage bereit. Eine Beispielanfrage vergleicht ein Verfahren mit Anforderungen und erstellt dann eine knappe Erklärung von Übereinstimmungen, Unterschieden und offenen Fragen. Benennen Sie die vorrangige Quelle und die zu erhaltenden Fakten, wenn das Ergebnis für seine Leserschaft umgeschrieben wird.\n\nStellen Sie für eine visuelle Aufgabe den Screenshot, das Foto oder Diagramm bereit und benennen Sie das wichtige Detail. Ergänzen Sie schriftlichen Kontext, wenn das Bild allein weder das Nutzerziel noch die Bedeutung einer Beschriftung belegt. Ein Supportantwortvorschlag kann die relevante Beobachtung mit einer Frage zur Klärung fehlender Informationen verbinden. Eine Codefrage kann die Implementierung und das zu erklärende oder zu ändernde Verhalten enthalten.\n\nOpenAI nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 4.096 Token und einen Wissensstand bis zum 1. Dezember 2023. Durch die vergleichsweise kurze Ausgabegrenze ist das verlangte Ergebnis wichtig: Fordern Sie die Antwort, den Abschnitt oder die Erkenntnisse an, die die Aufgabe tatsächlich benötigt. Ausgangsmaterial und erzeugte Antwort teilen sich den verfügbaren Kontext.\n\nDie herstellerseitige Modellkarte unterstützt Streaming und Funktionsaufrufe und kennzeichnet schemabasierte Structured Outputs, Fine-Tuning und Predicted Outputs als nicht unterstützt. Der Leitfaden zum JSON-Modus nennt die GPT-4-Modellfamilie für Antworten mit gültigem JSON; dieser Modus garantiert kein bestimmtes Schema. Eine Anwendung prüft die zurückgegebenen Felder, führt ihre beschriebenen Operationen aus und gibt dann tatsächliche Werkzeugergebnisse für einen Folgeschritt zurück.\n\nDefinieren Sie Zielgruppe, Tonalität und Abschlusskriterium. Trennen Sie für ein analytisches Ergebnis Quellenfakten, Schlussfolgerung und ungeklärte Bedingungen. Geben Sie für ein überarbeitetes Dokument an, welche Bedeutung und Terminologie erhalten bleiben müssen. Ein brauchbares fertiges Ergebnis ist eine gezielte Antwort oder ein Abschnitt, dessen wichtige Aussagen anhand des Originalmaterials geprüft und in einer späteren Nachricht verfeinert werden können.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Check a procedure against access rules\n\nCompare this procedure to the access requirements. Requirements: a manager approves access before activation; access expires after 90 days. Procedure: activate access when the form arrives, then request manager approval; no expiry step is described. Return a concise gap table and a corrected sequence, keeping unstated system behavior separate from documented steps.A two-row gap table and a revised approval-activation-expiry sequence.Check that missing expiry documentation is not claimed as proof that the system never expires access.gpt-4-turboGPT-4 Turbo nimmt Text und Bilder entgegen und gibt Text für Dokument-, Bild- und Programmieraufgaben aus. Seine Herstellerspezifikation verbindet ein Kontextfenster von 128.000 Token mit einer Ausgabegrenze von 4.096 Token, Streaming und Funktionsaufrufen.
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 ist OpenAIs Modell der GPT-4-Familie mit Text- und Bildeingaben sowie Textausgabe. Die aktuelle Turbo-Modellkarte des Herstellers bezieht sich auf das Modell mit Bildverarbeitung und führt Preview-Namen getrennt. Es kann für Fragen zu bereitgestellten Dokumenten, einem Bild oder einer Kombination schriftlicher und visueller Belege eingesetzt werden.
Stellen Sie für eine Dokumentaufgabe die relevanten Abschnitte und die zu beantwortende Frage bereit. Eine Beispielanfrage vergleicht ein Verfahren mit Anforderungen und erstellt dann eine knappe Erklärung von Übereinstimmungen, Unterschieden und offenen Fragen. Benennen Sie die vorrangige Quelle und die zu erhaltenden Fakten, wenn das Ergebnis für seine Leserschaft umgeschrieben wird.
Stellen Sie für eine visuelle Aufgabe den Screenshot, das Foto oder Diagramm bereit und benennen Sie das wichtige Detail. Ergänzen Sie schriftlichen Kontext, wenn das Bild allein weder das Nutzerziel noch die Bedeutung einer Beschriftung belegt. Ein Supportantwortvorschlag kann die relevante Beobachtung mit einer Frage zur Klärung fehlender Informationen verbinden. Eine Codefrage kann die Implementierung und das zu erklärende oder zu ändernde Verhalten enthalten.
OpenAI nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 4.096 Token und einen Wissensstand bis zum 1. Dezember 2023. Durch die vergleichsweise kurze Ausgabegrenze ist das verlangte Ergebnis wichtig: Fordern Sie die Antwort, den Abschnitt oder die Erkenntnisse an, die die Aufgabe tatsächlich benötigt. Ausgangsmaterial und erzeugte Antwort teilen sich den verfügbaren Kontext.
Die herstellerseitige Modellkarte unterstützt Streaming und Funktionsaufrufe und kennzeichnet schemabasierte Structured Outputs, Fine-Tuning und Predicted Outputs als nicht unterstützt. Der Leitfaden zum JSON-Modus nennt die GPT-4-Modellfamilie für Antworten mit gültigem JSON; dieser Modus garantiert kein bestimmtes Schema. Eine Anwendung prüft die zurückgegebenen Felder, führt ihre beschriebenen Operationen aus und gibt dann tatsächliche Werkzeugergebnisse für einen Folgeschritt zurück.
Definieren Sie Zielgruppe, Tonalität und Abschlusskriterium. Trennen Sie für ein analytisches Ergebnis Quellenfakten, Schlussfolgerung und ungeklärte Bedingungen. Geben Sie für ein überarbeitetes Dokument an, welche Bedeutung und Terminologie erhalten bleiben müssen. Ein brauchbares fertiges Ergebnis ist eine gezielte Antwort oder ein Abschnitt, dessen wichtige Aussagen anhand des Originalmaterials geprüft und in einer späteren Nachricht verfeinert werden können.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-4-turbo | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
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 |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
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 $0.02 / 1K Token Ausgabe · Ausgabetoken $0.06 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.02 / 1K Token Ausgabe · Ausgabetoken $0.06 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-4-turbo","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-turbo", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-turbo, openai/gpt-4-turbo
/chat/completions
gpt-4-turboGPT-4 Turbo nimmt Text und Bilder entgegen und gibt Text für Dokument-, Bild- und Programmieraufgaben aus. Seine Herstellerspezifikation verbindet ein Kontextfenster von 128.000 Token mit einer Ausgabegrenze von 4.096 Token, Streaming und Funktionsaufrufen.
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 ist OpenAIs Modell der GPT-4-Familie mit Text- und Bildeingaben sowie Textausgabe. Die aktuelle Turbo-Modellkarte des Herstellers bezieht sich auf das Modell mit Bildverarbeitung und führt Preview-Namen getrennt. Es kann für Fragen zu bereitgestellten Dokumenten, einem Bild oder einer Kombination schriftlicher und visueller Belege eingesetzt werden.
Stellen Sie für eine Dokumentaufgabe die relevanten Abschnitte und die zu beantwortende Frage bereit. Eine Beispielanfrage vergleicht ein Verfahren mit Anforderungen und erstellt dann eine knappe Erklärung von Übereinstimmungen, Unterschieden und offenen Fragen. Benennen Sie die vorrangige Quelle und die zu erhaltenden Fakten, wenn das Ergebnis für seine Leserschaft umgeschrieben wird.
Stellen Sie für eine visuelle Aufgabe den Screenshot, das Foto oder Diagramm bereit und benennen Sie das wichtige Detail. Ergänzen Sie schriftlichen Kontext, wenn das Bild allein weder das Nutzerziel noch die Bedeutung einer Beschriftung belegt. Ein Supportantwortvorschlag kann die relevante Beobachtung mit einer Frage zur Klärung fehlender Informationen verbinden. Eine Codefrage kann die Implementierung und das zu erklärende oder zu ändernde Verhalten enthalten.
OpenAI nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 4.096 Token und einen Wissensstand bis zum 1. Dezember 2023. Durch die vergleichsweise kurze Ausgabegrenze ist das verlangte Ergebnis wichtig: Fordern Sie die Antwort, den Abschnitt oder die Erkenntnisse an, die die Aufgabe tatsächlich benötigt. Ausgangsmaterial und erzeugte Antwort teilen sich den verfügbaren Kontext.
Die herstellerseitige Modellkarte unterstützt Streaming und Funktionsaufrufe und kennzeichnet schemabasierte Structured Outputs, Fine-Tuning und Predicted Outputs als nicht unterstützt. Der Leitfaden zum JSON-Modus nennt die GPT-4-Modellfamilie für Antworten mit gültigem JSON; dieser Modus garantiert kein bestimmtes Schema. Eine Anwendung prüft die zurückgegebenen Felder, führt ihre beschriebenen Operationen aus und gibt dann tatsächliche Werkzeugergebnisse für einen Folgeschritt zurück.
Definieren Sie Zielgruppe, Tonalität und Abschlusskriterium. Trennen Sie für ein analytisches Ergebnis Quellenfakten, Schlussfolgerung und ungeklärte Bedingungen. Geben Sie für ein überarbeitetes Dokument an, welche Bedeutung und Terminologie erhalten bleiben müssen. Ein brauchbares fertiges Ergebnis ist eine gezielte Antwort oder ein Abschnitt, dessen wichtige Aussagen anhand des Originalmaterials geprüft und in einer späteren Nachricht verfeinert werden können.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-4-turbo | 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 $0.02 / 1K Token Ausgabe · Ausgabetoken $0.06 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.02 / 1K Token Ausgabe · Ausgabetoken $0.06 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gpt-4-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-turbo', '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-turbo', '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-turbo, openai/gpt-4-turbo
/chat/completions
openai/gpt-4-turboGPT-4 Turbo nimmt Text und Bilder entgegen und gibt Text für Dokument-, Bild- und Programmieraufgaben aus. Seine Herstellerspezifikation verbindet ein Kontextfenster von 128.000 Token mit einer Ausgabegrenze von 4.096 Token, Streaming und Funktionsaufrufen.
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 ist OpenAIs Modell der GPT-4-Familie mit Text- und Bildeingaben sowie Textausgabe. Die aktuelle Turbo-Modellkarte des Herstellers bezieht sich auf das Modell mit Bildverarbeitung und führt Preview-Namen getrennt. Es kann für Fragen zu bereitgestellten Dokumenten, einem Bild oder einer Kombination schriftlicher und visueller Belege eingesetzt werden.
Stellen Sie für eine Dokumentaufgabe die relevanten Abschnitte und die zu beantwortende Frage bereit. Eine Beispielanfrage vergleicht ein Verfahren mit Anforderungen und erstellt dann eine knappe Erklärung von Übereinstimmungen, Unterschieden und offenen Fragen. Benennen Sie die vorrangige Quelle und die zu erhaltenden Fakten, wenn das Ergebnis für seine Leserschaft umgeschrieben wird.
Stellen Sie für eine visuelle Aufgabe den Screenshot, das Foto oder Diagramm bereit und benennen Sie das wichtige Detail. Ergänzen Sie schriftlichen Kontext, wenn das Bild allein weder das Nutzerziel noch die Bedeutung einer Beschriftung belegt. Ein Supportantwortvorschlag kann die relevante Beobachtung mit einer Frage zur Klärung fehlender Informationen verbinden. Eine Codefrage kann die Implementierung und das zu erklärende oder zu ändernde Verhalten enthalten.
OpenAI nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 4.096 Token und einen Wissensstand bis zum 1. Dezember 2023. Durch die vergleichsweise kurze Ausgabegrenze ist das verlangte Ergebnis wichtig: Fordern Sie die Antwort, den Abschnitt oder die Erkenntnisse an, die die Aufgabe tatsächlich benötigt. Ausgangsmaterial und erzeugte Antwort teilen sich den verfügbaren Kontext.
Die herstellerseitige Modellkarte unterstützt Streaming und Funktionsaufrufe und kennzeichnet schemabasierte Structured Outputs, Fine-Tuning und Predicted Outputs als nicht unterstützt. Der Leitfaden zum JSON-Modus nennt die GPT-4-Modellfamilie für Antworten mit gültigem JSON; dieser Modus garantiert kein bestimmtes Schema. Eine Anwendung prüft die zurückgegebenen Felder, führt ihre beschriebenen Operationen aus und gibt dann tatsächliche Werkzeugergebnisse für einen Folgeschritt zurück.
Definieren Sie Zielgruppe, Tonalität und Abschlusskriterium. Trennen Sie für ein analytisches Ergebnis Quellenfakten, Schlussfolgerung und ungeklärte Bedingungen. Geben Sie für ein überarbeitetes Dokument an, welche Bedeutung und Terminologie erhalten bleiben müssen. Ein brauchbares fertiges Ergebnis ist eine gezielte Antwort oder ein Abschnitt, dessen wichtige Aussagen anhand des Originalmaterials geprüft und in einer späteren Nachricht verfeinert werden können.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-4-turbo | 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 $0.02 / 1K Token Ausgabe · Ausgabetoken $0.06 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.02 / 1K Token Ausgabe · Ausgabetoken $0.06 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-4-turbo", "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-4-turbo',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-4-turbo',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-turbo, openai/gpt-4-turbo
/chat/completions
openai/gpt-4-turboGPT-4 Turbo nimmt Text und Bilder entgegen und gibt Text für Dokument-, Bild- und Programmieraufgaben aus. Seine Herstellerspezifikation verbindet ein Kontextfenster von 128.000 Token mit einer Ausgabegrenze von 4.096 Token, Streaming und Funktionsaufrufen.
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 ist OpenAIs Modell der GPT-4-Familie mit Text- und Bildeingaben sowie Textausgabe. Die aktuelle Turbo-Modellkarte des Herstellers bezieht sich auf das Modell mit Bildverarbeitung und führt Preview-Namen getrennt. Es kann für Fragen zu bereitgestellten Dokumenten, einem Bild oder einer Kombination schriftlicher und visueller Belege eingesetzt werden.
Stellen Sie für eine Dokumentaufgabe die relevanten Abschnitte und die zu beantwortende Frage bereit. Eine Beispielanfrage vergleicht ein Verfahren mit Anforderungen und erstellt dann eine knappe Erklärung von Übereinstimmungen, Unterschieden und offenen Fragen. Benennen Sie die vorrangige Quelle und die zu erhaltenden Fakten, wenn das Ergebnis für seine Leserschaft umgeschrieben wird.
Stellen Sie für eine visuelle Aufgabe den Screenshot, das Foto oder Diagramm bereit und benennen Sie das wichtige Detail. Ergänzen Sie schriftlichen Kontext, wenn das Bild allein weder das Nutzerziel noch die Bedeutung einer Beschriftung belegt. Ein Supportantwortvorschlag kann die relevante Beobachtung mit einer Frage zur Klärung fehlender Informationen verbinden. Eine Codefrage kann die Implementierung und das zu erklärende oder zu ändernde Verhalten enthalten.
OpenAI nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 4.096 Token und einen Wissensstand bis zum 1. Dezember 2023. Durch die vergleichsweise kurze Ausgabegrenze ist das verlangte Ergebnis wichtig: Fordern Sie die Antwort, den Abschnitt oder die Erkenntnisse an, die die Aufgabe tatsächlich benötigt. Ausgangsmaterial und erzeugte Antwort teilen sich den verfügbaren Kontext.
Die herstellerseitige Modellkarte unterstützt Streaming und Funktionsaufrufe und kennzeichnet schemabasierte Structured Outputs, Fine-Tuning und Predicted Outputs als nicht unterstützt. Der Leitfaden zum JSON-Modus nennt die GPT-4-Modellfamilie für Antworten mit gültigem JSON; dieser Modus garantiert kein bestimmtes Schema. Eine Anwendung prüft die zurückgegebenen Felder, führt ihre beschriebenen Operationen aus und gibt dann tatsächliche Werkzeugergebnisse für einen Folgeschritt zurück.
Definieren Sie Zielgruppe, Tonalität und Abschlusskriterium. Trennen Sie für ein analytisches Ergebnis Quellenfakten, Schlussfolgerung und ungeklärte Bedingungen. Geben Sie für ein überarbeitetes Dokument an, welche Bedeutung und Terminologie erhalten bleiben müssen. Ein brauchbares fertiges Ergebnis ist eine gezielte Antwort oder ein Abschnitt, dessen wichtige Aussagen anhand des Originalmaterials geprüft und in einer späteren Nachricht verfeinert werden können.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-4-turbo | 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 $0.02 / 1K Token Ausgabe · Ausgabetoken $0.06 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.02 / 1K Token Ausgabe · Ausgabetoken $0.06 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-4-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-turbo', '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-4-turbo', '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-turbo, openai/gpt-4-turbo
/chat/completions
Technisches Beispiel auf Englisch
Check a procedure against access rules\n\nCompare this procedure to the access requirements. Requirements: a manager approves access before activation; access expires after 90 days. Procedure: activate access when the form arrives, then request manager approval; no expiry step is described. Return a concise gap table and a corrected sequence, keeping unstated system behavior separate from documented steps.A two-row gap table and a revised approval-activation-expiry sequence.Check that missing expiry documentation is not claimed as proof that the system never expires access.