GPT-4 32K es el perfil de texto de GPT-4 con contexto ampliado de OpenAI para tareas que necesitan más material relacionado en una sola solicitud. El fabricante documenta un contexto de 32,768 tokens, frente a los 8,192 tokens del perfil GPT-4 original. Recibe texto y devuelve texto, incluidas explicaciones en lenguaje natural, borradores y código. Su diferencia principal es el contexto más amplio, frente a la ventana de 128K o las capacidades multimodales de los perfiles GPT-4 Turbo posteriores.
Proporciona los documentos o el código pertinentes para una tarea definida con claridad. Una comparación de requisitos puede reunir varias especificaciones y preguntar qué condiciones coinciden, cuáles entran en conflicto y qué fuente rige una decisión. Asigna un identificador a cada fuente y pide el pasaje que respalda una observación importante. Reunir pruebas relacionadas puede ayudar al modelo a compararlas, aunque el resultado debe seguir manteniendo la conexión entre cada conclusión y su fuente.
Para una pregunta sobre una base de código, incluye las funciones relevantes, las que las invocan y el comportamiento que se está investigando. Pide una explicación de la dependencia o un cambio concreto ligado a ese comportamiento. El contexto más amplio permite incluir código útil del entorno, pero no elimina la necesidad de definir la pregunta o el criterio de finalización. Una propuesta de código debe identificar el caso de entrada que la motiva y el resultado esperado que se pueda comprobar.
La presentación de GPT-4 describe la capacidad de dirigir el modelo mediante mensajes de sistema: el desarrollador puede especificar su tarea, tono y estilo. Usa esa instrucción para establecer si la respuesta debe ser una explicación breve, una comparación, un borrador o un registro con campos identificados. Define cómo debe aparecer la información que falta y distingue los hechos proporcionados de las suposiciones. Una tarea de procesamiento de documentos puede pedir una lista de condiciones con el identificador de la fuente y el pasaje pertinente junto a cada una.
Mantén esas instrucciones a medida que avance la conversación. Incluye el resultado anterior real cuando la siguiente solicitud lo revise e indica qué debe cambiar. Un seguimiento útil acota una discrepancia en una comparación o pide corregir una parte de un borrador, en lugar de dar por hecho que unas nuevas instrucciones aisladas conservan toda la tarea anterior.
La actualización 0613 del productor incorpora las mejoras de las llamadas a funciones de GPT-4 a la edición con contexto ampliado. El desarrollador describe una función y sus parámetros, y el modelo puede devolver un objeto JSON con los argumentos para esa función. La aplicación ejecuta la operación y proporciona el resultado devuelto. La capacidad útil es una solicitud estructurada conectada con el comportamiento de la aplicación, en lugar de que el modelo complete directamente una acción externa.
Para un asistente de información, una función puede recuperar el registro real necesario para responder a una pregunta. Mantén asociados el identificador solicitado y el registro devuelto, y pide una respuesta basada en ese resultado. Comprueba si la solicitud del usuario respalda la acción propuesta y si la función la ha completado realmente. La interfaz de funciones actualizada es independiente de las incorporaciones posteriores del modo JSON y las llamadas paralelas de GPT-4 Turbo.
La presentación original de GPT-4 señala las alucinaciones factuales, los errores de razonamiento y el conocimiento limitado de sucesos más recientes como limitaciones importantes. Proporciona pruebas actuales cuando la respuesta a una pregunta haya cambiado y comprueba las cifras, los nombres y el comportamiento del código importantes frente a la fuente. Una explicación expresada con seguridad puede aun así interpretar mal una condición o introducir un defecto.
Mantén el resultado solicitado proporcionado a la tarea y al contexto disponible. La cifra 32K es una capacidad de contexto, no una promesa de una respuesta terminada de igual longitud ni de una comprensión perfecta de cada pasaje incluido. Conserva juntos el perfil del modelo seleccionado, las instrucciones, el material de origen y el resultado. Así, una comparación de documentos largos, una explicación de código o un borrador revisado son lo bastante concretos para examinarlos y continuar el trabajo.
", "aboutText": "GPT-4 32K es el perfil de texto de GPT-4 con contexto ampliado de OpenAI para tareas que necesitan más material relacionado en una sola solicitud. El fabricante documenta un contexto de 32,768 tokens, frente a los 8,192 tokens del perfil GPT-4 original. Recibe texto y devuelve texto, incluidas explicaciones en lenguaje natural, borradores y código. Su diferencia principal es el contexto más amplio, frente a la ventana de 128K o las capacidades multimodales de los perfiles GPT-4 Turbo posteriores.\n\n### Usa el contexto para reunir pruebas relacionadas\n\nProporciona los documentos o el código pertinentes para una tarea definida con claridad. Una comparación de requisitos puede reunir varias especificaciones y preguntar qué condiciones coinciden, cuáles entran en conflicto y qué fuente rige una decisión. Asigna un identificador a cada fuente y pide el pasaje que respalda una observación importante. Reunir pruebas relacionadas puede ayudar al modelo a compararlas, aunque el resultado debe seguir manteniendo la conexión entre cada conclusión y su fuente.\n\nPara una pregunta sobre una base de código, incluye las funciones relevantes, las que las invocan y el comportamiento que se está investigando. Pide una explicación de la dependencia o un cambio concreto ligado a ese comportamiento. El contexto más amplio permite incluir código útil del entorno, pero no elimina la necesidad de definir la pregunta o el criterio de finalización. Una propuesta de código debe identificar el caso de entrada que la motiva y el resultado esperado que se pueda comprobar.\n\n### Define la tarea y el estilo de respuesta\n\nLa presentación de GPT-4 describe la capacidad de dirigir el modelo mediante mensajes de sistema: el desarrollador puede especificar su tarea, tono y estilo. Usa esa instrucción para establecer si la respuesta debe ser una explicación breve, una comparación, un borrador o un registro con campos identificados. Define cómo debe aparecer la información que falta y distingue los hechos proporcionados de las suposiciones. Una tarea de procesamiento de documentos puede pedir una lista de condiciones con el identificador de la fuente y el pasaje pertinente junto a cada una.\n\nMantén esas instrucciones a medida que avance la conversación. Incluye el resultado anterior real cuando la siguiente solicitud lo revise e indica qué debe cambiar. Un seguimiento útil acota una discrepancia en una comparación o pide corregir una parte de un borrador, en lugar de dar por hecho que unas nuevas instrucciones aisladas conservan toda la tarea anterior.\n\n### Llamadas a funciones en la línea 32K actualizada\n\nLa actualización 0613 del productor incorpora las mejoras de las llamadas a funciones de GPT-4 a la edición con contexto ampliado. El desarrollador describe una función y sus parámetros, y el modelo puede devolver un objeto JSON con los argumentos para esa función. La aplicación ejecuta la operación y proporciona el resultado devuelto. La capacidad útil es una solicitud estructurada conectada con el comportamiento de la aplicación, en lugar de que el modelo complete directamente una acción externa.\n\nPara un asistente de información, una función puede recuperar el registro real necesario para responder a una pregunta. Mantén asociados el identificador solicitado y el registro devuelto, y pide una respuesta basada en ese resultado. Comprueba si la solicitud del usuario respalda la acción propuesta y si la función la ha completado realmente. La interfaz de funciones actualizada es independiente de las incorporaciones posteriores del modo JSON y las llamadas paralelas de GPT-4 Turbo.\n\n### Revisa la respuesta frente al material\n\nLa presentación original de GPT-4 señala las alucinaciones factuales, los errores de razonamiento y el conocimiento limitado de sucesos más recientes como limitaciones importantes. Proporciona pruebas actuales cuando la respuesta a una pregunta haya cambiado y comprueba las cifras, los nombres y el comportamiento del código importantes frente a la fuente. Una explicación expresada con seguridad puede aun así interpretar mal una condición o introducir un defecto.\n\nMantén el resultado solicitado proporcionado a la tarea y al contexto disponible. La cifra 32K es una capacidad de contexto, no una promesa de una respuesta terminada de igual longitud ni de una comprensión perfecta de cada pasaje incluido. Conserva juntos el perfil del modelo seleccionado, las instrucciones, el material de origen y el resultado. Así, una comparación de documentos largos, una explicación de código o un borrador revisado son lo bastante concretos para examinarlos y continuar el trabajo.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Compare requirements using a precedence rule\n\nCompare three labelled specifications. BASE: exports include all orders and run nightly. ADDENDUM: exports include paid orders only; cadence is unchanged. OPERATIONS: exports run hourly. The signed ADDENDUM overrides BASE, while OPERATIONS is an unsigned proposal. Produce the effective requirements and unresolved proposal, citing the governing source for each.An effective-requirements table plus a separate unresolved-proposal entry with source references.Paid orders and nightly cadence are retained as effective; hourly cadence remains an unsigned proposal.gpt-4-32k-0613GPT-4 32K es el perfil de texto de GPT-4 con contexto ampliado para trabajar con conjuntos más grandes de documentos o código. Su contexto documentado de 32,768 tokens permite reunir material relacionado en una misma tarea, con instrucciones de sistema que guían la respuesta y llamadas a funciones documentadas en la edición actualizada 0613.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-4 32K es el perfil de texto de GPT-4 con contexto ampliado de OpenAI para tareas que necesitan más material relacionado en una sola solicitud. El fabricante documenta un contexto de 32,768 tokens, frente a los 8,192 tokens del perfil GPT-4 original. Recibe texto y devuelve texto, incluidas explicaciones en lenguaje natural, borradores y código. Su diferencia principal es el contexto más amplio, frente a la ventana de 128K o las capacidades multimodales de los perfiles GPT-4 Turbo posteriores.
Proporciona los documentos o el código pertinentes para una tarea definida con claridad. Una comparación de requisitos puede reunir varias especificaciones y preguntar qué condiciones coinciden, cuáles entran en conflicto y qué fuente rige una decisión. Asigna un identificador a cada fuente y pide el pasaje que respalda una observación importante. Reunir pruebas relacionadas puede ayudar al modelo a compararlas, aunque el resultado debe seguir manteniendo la conexión entre cada conclusión y su fuente.
Para una pregunta sobre una base de código, incluye las funciones relevantes, las que las invocan y el comportamiento que se está investigando. Pide una explicación de la dependencia o un cambio concreto ligado a ese comportamiento. El contexto más amplio permite incluir código útil del entorno, pero no elimina la necesidad de definir la pregunta o el criterio de finalización. Una propuesta de código debe identificar el caso de entrada que la motiva y el resultado esperado que se pueda comprobar.
La presentación de GPT-4 describe la capacidad de dirigir el modelo mediante mensajes de sistema: el desarrollador puede especificar su tarea, tono y estilo. Usa esa instrucción para establecer si la respuesta debe ser una explicación breve, una comparación, un borrador o un registro con campos identificados. Define cómo debe aparecer la información que falta y distingue los hechos proporcionados de las suposiciones. Una tarea de procesamiento de documentos puede pedir una lista de condiciones con el identificador de la fuente y el pasaje pertinente junto a cada una.
Mantén esas instrucciones a medida que avance la conversación. Incluye el resultado anterior real cuando la siguiente solicitud lo revise e indica qué debe cambiar. Un seguimiento útil acota una discrepancia en una comparación o pide corregir una parte de un borrador, en lugar de dar por hecho que unas nuevas instrucciones aisladas conservan toda la tarea anterior.
La actualización 0613 del productor incorpora las mejoras de las llamadas a funciones de GPT-4 a la edición con contexto ampliado. El desarrollador describe una función y sus parámetros, y el modelo puede devolver un objeto JSON con los argumentos para esa función. La aplicación ejecuta la operación y proporciona el resultado devuelto. La capacidad útil es una solicitud estructurada conectada con el comportamiento de la aplicación, en lugar de que el modelo complete directamente una acción externa.
Para un asistente de información, una función puede recuperar el registro real necesario para responder a una pregunta. Mantén asociados el identificador solicitado y el registro devuelto, y pide una respuesta basada en ese resultado. Comprueba si la solicitud del usuario respalda la acción propuesta y si la función la ha completado realmente. La interfaz de funciones actualizada es independiente de las incorporaciones posteriores del modo JSON y las llamadas paralelas de GPT-4 Turbo.
La presentación original de GPT-4 señala las alucinaciones factuales, los errores de razonamiento y el conocimiento limitado de sucesos más recientes como limitaciones importantes. Proporciona pruebas actuales cuando la respuesta a una pregunta haya cambiado y comprueba las cifras, los nombres y el comportamiento del código importantes frente a la fuente. Una explicación expresada con seguridad puede aun así interpretar mal una condición o introducir un defecto.
Mantén el resultado solicitado proporcionado a la tarea y al contexto disponible. La cifra 32K es una capacidad de contexto, no una promesa de una respuesta terminada de igual longitud ni de una comprensión perfecta de cada pasaje incluido. Conserva juntos el perfil del modelo seleccionado, las instrucciones, el material de origen y el resultado. Así, una comparación de documentos largos, una explicación de código o un borrador revisado son lo bastante concretos para examinarlos y continuar el trabajo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-4-32k-0613 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.12 / 1K tokens Salida · Tokens de salida $0.24 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-4-32k-0613", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-4-32k-0613',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-4-32k-0613',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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gpt-4-32k-0613
Usa las rutas de método indicadas arriba.
gpt-4-32k-0613GPT-4 32K es el perfil de texto de GPT-4 con contexto ampliado para trabajar con conjuntos más grandes de documentos o código. Su contexto documentado de 32,768 tokens permite reunir material relacionado en una misma tarea, con instrucciones de sistema que guían la respuesta y llamadas a funciones documentadas en la edición actualizada 0613.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-4 32K es el perfil de texto de GPT-4 con contexto ampliado de OpenAI para tareas que necesitan más material relacionado en una sola solicitud. El fabricante documenta un contexto de 32,768 tokens, frente a los 8,192 tokens del perfil GPT-4 original. Recibe texto y devuelve texto, incluidas explicaciones en lenguaje natural, borradores y código. Su diferencia principal es el contexto más amplio, frente a la ventana de 128K o las capacidades multimodales de los perfiles GPT-4 Turbo posteriores.
Proporciona los documentos o el código pertinentes para una tarea definida con claridad. Una comparación de requisitos puede reunir varias especificaciones y preguntar qué condiciones coinciden, cuáles entran en conflicto y qué fuente rige una decisión. Asigna un identificador a cada fuente y pide el pasaje que respalda una observación importante. Reunir pruebas relacionadas puede ayudar al modelo a compararlas, aunque el resultado debe seguir manteniendo la conexión entre cada conclusión y su fuente.
Para una pregunta sobre una base de código, incluye las funciones relevantes, las que las invocan y el comportamiento que se está investigando. Pide una explicación de la dependencia o un cambio concreto ligado a ese comportamiento. El contexto más amplio permite incluir código útil del entorno, pero no elimina la necesidad de definir la pregunta o el criterio de finalización. Una propuesta de código debe identificar el caso de entrada que la motiva y el resultado esperado que se pueda comprobar.
La presentación de GPT-4 describe la capacidad de dirigir el modelo mediante mensajes de sistema: el desarrollador puede especificar su tarea, tono y estilo. Usa esa instrucción para establecer si la respuesta debe ser una explicación breve, una comparación, un borrador o un registro con campos identificados. Define cómo debe aparecer la información que falta y distingue los hechos proporcionados de las suposiciones. Una tarea de procesamiento de documentos puede pedir una lista de condiciones con el identificador de la fuente y el pasaje pertinente junto a cada una.
Mantén esas instrucciones a medida que avance la conversación. Incluye el resultado anterior real cuando la siguiente solicitud lo revise e indica qué debe cambiar. Un seguimiento útil acota una discrepancia en una comparación o pide corregir una parte de un borrador, en lugar de dar por hecho que unas nuevas instrucciones aisladas conservan toda la tarea anterior.
La actualización 0613 del productor incorpora las mejoras de las llamadas a funciones de GPT-4 a la edición con contexto ampliado. El desarrollador describe una función y sus parámetros, y el modelo puede devolver un objeto JSON con los argumentos para esa función. La aplicación ejecuta la operación y proporciona el resultado devuelto. La capacidad útil es una solicitud estructurada conectada con el comportamiento de la aplicación, en lugar de que el modelo complete directamente una acción externa.
Para un asistente de información, una función puede recuperar el registro real necesario para responder a una pregunta. Mantén asociados el identificador solicitado y el registro devuelto, y pide una respuesta basada en ese resultado. Comprueba si la solicitud del usuario respalda la acción propuesta y si la función la ha completado realmente. La interfaz de funciones actualizada es independiente de las incorporaciones posteriores del modo JSON y las llamadas paralelas de GPT-4 Turbo.
La presentación original de GPT-4 señala las alucinaciones factuales, los errores de razonamiento y el conocimiento limitado de sucesos más recientes como limitaciones importantes. Proporciona pruebas actuales cuando la respuesta a una pregunta haya cambiado y comprueba las cifras, los nombres y el comportamiento del código importantes frente a la fuente. Una explicación expresada con seguridad puede aun así interpretar mal una condición o introducir un defecto.
Mantén el resultado solicitado proporcionado a la tarea y al contexto disponible. La cifra 32K es una capacidad de contexto, no una promesa de una respuesta terminada de igual longitud ni de una comprensión perfecta de cada pasaje incluido. Conserva juntos el perfil del modelo seleccionado, las instrucciones, el material de origen y el resultado. Así, una comparación de documentos largos, una explicación de código o un borrador revisado son lo bastante concretos para examinarlos y continuar el trabajo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-4-32k-0613 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.12 / 1K tokens Salida · Tokens de salida $0.24 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gpt-4-32k-0613",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4-32k-0613', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4-32k-0613', '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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gpt-4-32k-0613
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Compare requirements using a precedence rule\n\nCompare three labelled specifications. BASE: exports include all orders and run nightly. ADDENDUM: exports include paid orders only; cadence is unchanged. OPERATIONS: exports run hourly. The signed ADDENDUM overrides BASE, while OPERATIONS is an unsigned proposal. Produce the effective requirements and unresolved proposal, citing the governing source for each.An effective-requirements table plus a separate unresolved-proposal entry with source references.Paid orders and nightly cadence are retained as effective; hourly cadence remains an unsigned proposal.