GPT-4o Mini (2024-07-18) ist OpenAIs datierte Kleinmodelledition vom 18. Juli für gezielte Text- und visuelle Aufgaben. Sie nimmt Text und Bilder entgegen und erzeugt Text, einschließlich Structured Outputs. Der Hersteller beschreibt Abläufe mit verketteten oder parallelen Modellaufrufen, umfangreichem Gesprächs- oder Dokumentkontext und knappen Textantworten für Kunden.
Eine beispielhafte Aufgabe ist das Verarbeiten einer Anfrage nach einem einheitlichen Regelsatz. Geben Sie Nachricht, relevante Referenzinformationen und Antwortanforderungen vor. Verlangen Sie Thema, feststehende Fakten und einen knappen Antwortvorschlag. Definieren Sie für Extraktion die Pflichtfelder und die Darstellung fehlender Werte. Die Herstellerveröffentlichung beschreibt strukturierte Daten aus Dokumenten und Antworten auf Grundlage des Gesprächsverlaufs als hilfreiche Anwendungen.
Visuelle Eingaben können der schriftlichen Anfrage einen Screenshot oder eine Dokumentseite hinzufügen. Benennen Sie die Beschriftung, den Zustand oder das Detail, das in die Antwort einfließen soll, und geben Sie Kontext vor, den das Bild nicht zeigt. Die Veröffentlichung beschreibt denselben Sprachumfang wie GPT-4o sowie Text- und visuelles Reasoning, Mathematik und Programmierung. Benennen Sie für eine begrenzte Bearbeitung oder Codefrage den konkreten Vorgang und die Fakten oder das Verhalten, die intakt bleiben müssen.
OpenAIs genaue Modellkarte nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 16.384 Token und einen Wissensstand bis zum 1. Oktober 2023. Quellmaterial und erzeugte Antwort teilen sich das verfügbare Fenster. Die Momentaufnahme vom 18. Juli wird getrennt von vollständigen GPT-4o-Editionen aufgeführt und behält ihre eigene Modellidentität und Grenzen.
Der Hersteller dokumentiert Streaming, Funktionsaufrufe, Structured Outputs, Datei- und Bildeingaben sowie Suche, Feinabstimmung und Predicted Outputs. Die aufgeführten Werkzeuge umfassen Funktionen, Web- und Dateisuche, Bilderzeugung, Codeinterpretation und MCP-Verbindungen. Werkzeuge sind separate Vorgänge: Eine Anwendung stellt sie bereit, führt ihre Aktionen aus und gibt tatsächliche Ergebnisse zurück. Der Hersteller beschreibt außerdem die Feinabstimmung dieses Modells für spezialisierte Aufgaben, ohne dadurch eine vorhandene Anfrage zu einem neu trainierten Modell zu machen.
Die Hinweise zu Structured Outputs nennen ausdrücklich gpt-4o-mini-2024-07-18 und unterstützen einen Teilumfang von JSON Schema. Behandeln Sie eine Verweigerung oder unvollständige Antwort getrennt von einem vollständigen strukturierten Ergebnis und prüfen Sie extrahierte Werte anhand des Quellmaterials. Predicted Outputs können bei der Neuerzeugung eines Dokuments oder einer Codedatei weitgehend bekannten Text verwenden; dieser Vorhersageablauf ist auf Text beschränkt und lässt sich nicht mit Funktionsaufrufen kombinieren.
Definieren Sie ein hilfreiches Endergebnis: eine kurze Antwort, eine Aktionsliste, eine bearbeitete Passage oder einen Feldsatz für die nächste Phase. Halten Sie die Regeln über wiederholte Eingaben hinweg einheitlich und übernehmen Sie wesentliche frühere Fakten in Anschlussfragen. Eine Antwort ist hilfreich, wenn Inhalt, Format und vorgeschlagene nächste Aktion mit der Aufgabe und den von Ihnen bereitgestellten Belegen verbunden bleiben.
", "aboutText": "GPT-4o Mini (2024-07-18) ist OpenAIs datierte Kleinmodelledition vom 18. Juli für gezielte Text- und visuelle Aufgaben. Sie nimmt Text und Bilder entgegen und erzeugt Text, einschließlich Structured Outputs. Der Hersteller beschreibt Abläufe mit verketteten oder parallelen Modellaufrufen, umfangreichem Gesprächs- oder Dokumentkontext und knappen Textantworten für Kunden.\n\nEine beispielhafte Aufgabe ist das Verarbeiten einer Anfrage nach einem einheitlichen Regelsatz. Geben Sie Nachricht, relevante Referenzinformationen und Antwortanforderungen vor. Verlangen Sie Thema, feststehende Fakten und einen knappen Antwortvorschlag. Definieren Sie für Extraktion die Pflichtfelder und die Darstellung fehlender Werte. Die Herstellerveröffentlichung beschreibt strukturierte Daten aus Dokumenten und Antworten auf Grundlage des Gesprächsverlaufs als hilfreiche Anwendungen.\n\nVisuelle Eingaben können der schriftlichen Anfrage einen Screenshot oder eine Dokumentseite hinzufügen. Benennen Sie die Beschriftung, den Zustand oder das Detail, das in die Antwort einfließen soll, und geben Sie Kontext vor, den das Bild nicht zeigt. Die Veröffentlichung beschreibt denselben Sprachumfang wie GPT-4o sowie Text- und visuelles Reasoning, Mathematik und Programmierung. Benennen Sie für eine begrenzte Bearbeitung oder Codefrage den konkreten Vorgang und die Fakten oder das Verhalten, die intakt bleiben müssen.\n\nOpenAIs genaue Modellkarte nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 16.384 Token und einen Wissensstand bis zum 1. Oktober 2023. Quellmaterial und erzeugte Antwort teilen sich das verfügbare Fenster. Die Momentaufnahme vom 18. Juli wird getrennt von vollständigen GPT-4o-Editionen aufgeführt und behält ihre eigene Modellidentität und Grenzen.\n\nDer Hersteller dokumentiert Streaming, Funktionsaufrufe, Structured Outputs, Datei- und Bildeingaben sowie Suche, Feinabstimmung und Predicted Outputs. Die aufgeführten Werkzeuge umfassen Funktionen, Web- und Dateisuche, Bilderzeugung, Codeinterpretation und MCP-Verbindungen. Werkzeuge sind separate Vorgänge: Eine Anwendung stellt sie bereit, führt ihre Aktionen aus und gibt tatsächliche Ergebnisse zurück. Der Hersteller beschreibt außerdem die Feinabstimmung dieses Modells für spezialisierte Aufgaben, ohne dadurch eine vorhandene Anfrage zu einem neu trainierten Modell zu machen.\n\nDie Hinweise zu Structured Outputs nennen ausdrücklich gpt-4o-mini-2024-07-18 und unterstützen einen Teilumfang von JSON Schema. Behandeln Sie eine Verweigerung oder unvollständige Antwort getrennt von einem vollständigen strukturierten Ergebnis und prüfen Sie extrahierte Werte anhand des Quellmaterials. Predicted Outputs können bei der Neuerzeugung eines Dokuments oder einer Codedatei weitgehend bekannten Text verwenden; dieser Vorhersageablauf ist auf Text beschränkt und lässt sich nicht mit Funktionsaufrufen kombinieren.\n\nDefinieren Sie ein hilfreiches Endergebnis: eine kurze Antwort, eine Aktionsliste, eine bearbeitete Passage oder einen Feldsatz für die nächste Phase. Halten Sie die Regeln über wiederholte Eingaben hinweg einheitlich und übernehmen Sie wesentliche frühere Fakten in Anschlussfragen. Eine Antwort ist hilfreich, wenn Inhalt, Format und vorgeschlagene nächste Aktion mit der Aufgabe und den von Ihnen bereitgestellten Belegen verbunden bleiben.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Extract fields from a service thread\n\nExtract a service record from this thread: M1: 'My order Q-81 arrived with one blue mug missing.' M2: 'We can send a replacement; please confirm your address.' M3: 'The address is unchanged.' Return order ID, missing item, proposed remedy and whether shipment is confirmed. Preserve message labels as evidence.A four-field service record with supporting message labels and distinct proposal versus confirmation status.A proposed replacement must not be reported as a shipped replacement.openai/gpt-4o-mini-2024-07-18Der GPT-4o Mini-Snapshot vom 18. Juli ist ein kleines Text- und Bildmodell für klar umrissene Aufgaben. Er unterstützt Streaming, Funktionsaufrufe und Structured Outputs für Aufgaben wie Dokumentextraktion, kurze Antworten und wiederholte Verarbeitung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-4o Mini (2024-07-18) ist OpenAIs datierte Kleinmodelledition vom 18. Juli für gezielte Text- und visuelle Aufgaben. Sie nimmt Text und Bilder entgegen und erzeugt Text, einschließlich Structured Outputs. Der Hersteller beschreibt Abläufe mit verketteten oder parallelen Modellaufrufen, umfangreichem Gesprächs- oder Dokumentkontext und knappen Textantworten für Kunden.
Eine beispielhafte Aufgabe ist das Verarbeiten einer Anfrage nach einem einheitlichen Regelsatz. Geben Sie Nachricht, relevante Referenzinformationen und Antwortanforderungen vor. Verlangen Sie Thema, feststehende Fakten und einen knappen Antwortvorschlag. Definieren Sie für Extraktion die Pflichtfelder und die Darstellung fehlender Werte. Die Herstellerveröffentlichung beschreibt strukturierte Daten aus Dokumenten und Antworten auf Grundlage des Gesprächsverlaufs als hilfreiche Anwendungen.
Visuelle Eingaben können der schriftlichen Anfrage einen Screenshot oder eine Dokumentseite hinzufügen. Benennen Sie die Beschriftung, den Zustand oder das Detail, das in die Antwort einfließen soll, und geben Sie Kontext vor, den das Bild nicht zeigt. Die Veröffentlichung beschreibt denselben Sprachumfang wie GPT-4o sowie Text- und visuelles Reasoning, Mathematik und Programmierung. Benennen Sie für eine begrenzte Bearbeitung oder Codefrage den konkreten Vorgang und die Fakten oder das Verhalten, die intakt bleiben müssen.
OpenAIs genaue Modellkarte nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 16.384 Token und einen Wissensstand bis zum 1. Oktober 2023. Quellmaterial und erzeugte Antwort teilen sich das verfügbare Fenster. Die Momentaufnahme vom 18. Juli wird getrennt von vollständigen GPT-4o-Editionen aufgeführt und behält ihre eigene Modellidentität und Grenzen.
Der Hersteller dokumentiert Streaming, Funktionsaufrufe, Structured Outputs, Datei- und Bildeingaben sowie Suche, Feinabstimmung und Predicted Outputs. Die aufgeführten Werkzeuge umfassen Funktionen, Web- und Dateisuche, Bilderzeugung, Codeinterpretation und MCP-Verbindungen. Werkzeuge sind separate Vorgänge: Eine Anwendung stellt sie bereit, führt ihre Aktionen aus und gibt tatsächliche Ergebnisse zurück. Der Hersteller beschreibt außerdem die Feinabstimmung dieses Modells für spezialisierte Aufgaben, ohne dadurch eine vorhandene Anfrage zu einem neu trainierten Modell zu machen.
Die Hinweise zu Structured Outputs nennen ausdrücklich gpt-4o-mini-2024-07-18 und unterstützen einen Teilumfang von JSON Schema. Behandeln Sie eine Verweigerung oder unvollständige Antwort getrennt von einem vollständigen strukturierten Ergebnis und prüfen Sie extrahierte Werte anhand des Quellmaterials. Predicted Outputs können bei der Neuerzeugung eines Dokuments oder einer Codedatei weitgehend bekannten Text verwenden; dieser Vorhersageablauf ist auf Text beschränkt und lässt sich nicht mit Funktionsaufrufen kombinieren.
Definieren Sie ein hilfreiches Endergebnis: eine kurze Antwort, eine Aktionsliste, eine bearbeitete Passage oder einen Feldsatz für die nächste Phase. Halten Sie die Regeln über wiederholte Eingaben hinweg einheitlich und übernehmen Sie wesentliche frühere Fakten in Anschlussfragen. Eine Antwort ist hilfreich, wenn Inhalt, Format und vorgeschlagene nächste Aktion mit der Aufgabe und den von Ihnen bereitgestellten Belegen verbunden bleiben.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-4o-mini-2024-07-18 | 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 $0.0003 / 1K Token Ausgabe · Ausgabetoken $0.0012 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Token Ausgabe · Ausgabetoken $0.0012 / 1K Token Eingabe · Cache-Lesen $0.00015 / 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": "openai/gpt-4o-mini-2024-07-18", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-4o-mini-2024-07-18',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-4o-mini-2024-07-18',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra openai/gpt-4o-mini-2024-07-18
Verwenden Sie die oben angezeigten Methodenpfade.
openai/gpt-4o-mini-2024-07-18Der GPT-4o Mini-Snapshot vom 18. Juli ist ein kleines Text- und Bildmodell für klar umrissene Aufgaben. Er unterstützt Streaming, Funktionsaufrufe und Structured Outputs für Aufgaben wie Dokumentextraktion, kurze Antworten und wiederholte Verarbeitung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-4o Mini (2024-07-18) ist OpenAIs datierte Kleinmodelledition vom 18. Juli für gezielte Text- und visuelle Aufgaben. Sie nimmt Text und Bilder entgegen und erzeugt Text, einschließlich Structured Outputs. Der Hersteller beschreibt Abläufe mit verketteten oder parallelen Modellaufrufen, umfangreichem Gesprächs- oder Dokumentkontext und knappen Textantworten für Kunden.
Eine beispielhafte Aufgabe ist das Verarbeiten einer Anfrage nach einem einheitlichen Regelsatz. Geben Sie Nachricht, relevante Referenzinformationen und Antwortanforderungen vor. Verlangen Sie Thema, feststehende Fakten und einen knappen Antwortvorschlag. Definieren Sie für Extraktion die Pflichtfelder und die Darstellung fehlender Werte. Die Herstellerveröffentlichung beschreibt strukturierte Daten aus Dokumenten und Antworten auf Grundlage des Gesprächsverlaufs als hilfreiche Anwendungen.
Visuelle Eingaben können der schriftlichen Anfrage einen Screenshot oder eine Dokumentseite hinzufügen. Benennen Sie die Beschriftung, den Zustand oder das Detail, das in die Antwort einfließen soll, und geben Sie Kontext vor, den das Bild nicht zeigt. Die Veröffentlichung beschreibt denselben Sprachumfang wie GPT-4o sowie Text- und visuelles Reasoning, Mathematik und Programmierung. Benennen Sie für eine begrenzte Bearbeitung oder Codefrage den konkreten Vorgang und die Fakten oder das Verhalten, die intakt bleiben müssen.
OpenAIs genaue Modellkarte nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 16.384 Token und einen Wissensstand bis zum 1. Oktober 2023. Quellmaterial und erzeugte Antwort teilen sich das verfügbare Fenster. Die Momentaufnahme vom 18. Juli wird getrennt von vollständigen GPT-4o-Editionen aufgeführt und behält ihre eigene Modellidentität und Grenzen.
Der Hersteller dokumentiert Streaming, Funktionsaufrufe, Structured Outputs, Datei- und Bildeingaben sowie Suche, Feinabstimmung und Predicted Outputs. Die aufgeführten Werkzeuge umfassen Funktionen, Web- und Dateisuche, Bilderzeugung, Codeinterpretation und MCP-Verbindungen. Werkzeuge sind separate Vorgänge: Eine Anwendung stellt sie bereit, führt ihre Aktionen aus und gibt tatsächliche Ergebnisse zurück. Der Hersteller beschreibt außerdem die Feinabstimmung dieses Modells für spezialisierte Aufgaben, ohne dadurch eine vorhandene Anfrage zu einem neu trainierten Modell zu machen.
Die Hinweise zu Structured Outputs nennen ausdrücklich gpt-4o-mini-2024-07-18 und unterstützen einen Teilumfang von JSON Schema. Behandeln Sie eine Verweigerung oder unvollständige Antwort getrennt von einem vollständigen strukturierten Ergebnis und prüfen Sie extrahierte Werte anhand des Quellmaterials. Predicted Outputs können bei der Neuerzeugung eines Dokuments oder einer Codedatei weitgehend bekannten Text verwenden; dieser Vorhersageablauf ist auf Text beschränkt und lässt sich nicht mit Funktionsaufrufen kombinieren.
Definieren Sie ein hilfreiches Endergebnis: eine kurze Antwort, eine Aktionsliste, eine bearbeitete Passage oder einen Feldsatz für die nächste Phase. Halten Sie die Regeln über wiederholte Eingaben hinweg einheitlich und übernehmen Sie wesentliche frühere Fakten in Anschlussfragen. Eine Antwort ist hilfreich, wenn Inhalt, Format und vorgeschlagene nächste Aktion mit der Aufgabe und den von Ihnen bereitgestellten Belegen verbunden bleiben.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-4o-mini-2024-07-18 | 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 $0.0003 / 1K Token Ausgabe · Ausgabetoken $0.0012 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Token Ausgabe · Ausgabetoken $0.0012 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-4o-mini-2024-07-18",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-4o-mini-2024-07-18', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-4o-mini-2024-07-18', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra openai/gpt-4o-mini-2024-07-18
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Extract fields from a service thread\n\nExtract a service record from this thread: M1: 'My order Q-81 arrived with one blue mug missing.' M2: 'We can send a replacement; please confirm your address.' M3: 'The address is unchanged.' Return order ID, missing item, proposed remedy and whether shipment is confirmed. Preserve message labels as evidence.A four-field service record with supporting message labels and distinct proposal versus confirmation status.A proposed replacement must not be reported as a shipped replacement.