GPT-4o (2024-11-20) es la versión del 20 de noviembre identificada por separado en el catálogo API GPT-4o de OpenAI. Pertenece a la familia GPT-4o para tareas versátiles de texto e imagen, aceptando texto e imágenes y devolviendo texto. La identidad fechada se mantiene independiente de las versiones del 6 de agosto y del 13 de mayo y de la selección de modelo para el chat de ChatGPT, que cambia con el tiempo.
Un ejemplo de aplicación consiste en editar un documento para un público específico. Proporciona el material original, las necesidades del lector y los hechos que deben mantenerse intactos. Pide un pasaje revisado o un documento completo con un propósito explícito y refina después la versión seleccionada en una intervención posterior. Una salida útil puede incluir una explicación concisa de los cambios para que el lector pueda evaluarlos frente al texto original.
Para una pregunta visual, proporciona la captura de pantalla, la fotografía o la imagen del documento e identifica el detalle que orienta la tarea. Incluye el contexto escrito que la imagen por sí sola no aporta. Una solicitud de soporte puede combinar el mensaje del usuario con una captura de pantalla y pedir la observación pertinente, la información que aún se necesita y una propuesta de respuesta. Utiliza texto legible y evita depender de una etiqueta diminuta o una estimación espacial precisa sin comprobar la imagen de origen.
La documentación de la familia GPT-4o de OpenAI indica una ventana de contexto de 128,000 tokens. La entrada y la respuesta solicitada comparten el contexto disponible, por lo que debes conservar el material útil y los hechos anteriores importantes dejando espacio para el resultado. Define explícitamente la extensión y el formato requeridos de la respuesta. Un conjunto largo de material de origen resulta más útil cuando las instrucciones identifican la pregunta y los hechos que importan para ella.
El proveedor documenta transmisión en continuo, llamadas a funciones y Structured Outputs para la familia GPT-4o; las recomendaciones actuales de Structured Outputs abarcan la versión del 6 de agosto y modelos posteriores. Un esquema define los campos de la respuesta y la forma permitida, mientras que una solicitud de llamada a función propone una operación de la aplicación. Esta ejecuta sus acciones y devuelve resultados reales. Un conjunto de campos bien formado sigue necesitando comprobarse frente a las pruebas proporcionadas, representando explícitamente la información ausente.
La documentación de la serie GPT-4o también describe Predicted Outputs para un archivo de texto o código cuyo contenido esperado se conoce en gran medida. Ese flujo opcional utiliza el texto conocido al regenerar una versión con cambios limitados y no combina predicción con llamadas a funciones. Para la tarea en sí, elige un entregable final útil: un pasaje editado, una explicación visual, una respuesta propuesta o conclusiones estructuradas. Mantén sus afirmaciones importantes vinculadas al material original y utiliza mensajes posteriores para resolver una pregunta específica o revisar una sección concreta.
", "aboutText": "GPT-4o (2024-11-20) es la versión del 20 de noviembre identificada por separado en el catálogo API GPT-4o de OpenAI. Pertenece a la familia GPT-4o para tareas versátiles de texto e imagen, aceptando texto e imágenes y devolviendo texto. La identidad fechada se mantiene independiente de las versiones del 6 de agosto y del 13 de mayo y de la selección de modelo para el chat de ChatGPT, que cambia con el tiempo.\n\nUn ejemplo de aplicación consiste en editar un documento para un público específico. Proporciona el material original, las necesidades del lector y los hechos que deben mantenerse intactos. Pide un pasaje revisado o un documento completo con un propósito explícito y refina después la versión seleccionada en una intervención posterior. Una salida útil puede incluir una explicación concisa de los cambios para que el lector pueda evaluarlos frente al texto original.\n\nPara una pregunta visual, proporciona la captura de pantalla, la fotografía o la imagen del documento e identifica el detalle que orienta la tarea. Incluye el contexto escrito que la imagen por sí sola no aporta. Una solicitud de soporte puede combinar el mensaje del usuario con una captura de pantalla y pedir la observación pertinente, la información que aún se necesita y una propuesta de respuesta. Utiliza texto legible y evita depender de una etiqueta diminuta o una estimación espacial precisa sin comprobar la imagen de origen.\n\nLa documentación de la familia GPT-4o de OpenAI indica una ventana de contexto de 128,000 tokens. La entrada y la respuesta solicitada comparten el contexto disponible, por lo que debes conservar el material útil y los hechos anteriores importantes dejando espacio para el resultado. Define explícitamente la extensión y el formato requeridos de la respuesta. Un conjunto largo de material de origen resulta más útil cuando las instrucciones identifican la pregunta y los hechos que importan para ella.\n\nEl proveedor documenta transmisión en continuo, llamadas a funciones y Structured Outputs para la familia GPT-4o; las recomendaciones actuales de Structured Outputs abarcan la versión del 6 de agosto y modelos posteriores. Un esquema define los campos de la respuesta y la forma permitida, mientras que una solicitud de llamada a función propone una operación de la aplicación. Esta ejecuta sus acciones y devuelve resultados reales. Un conjunto de campos bien formado sigue necesitando comprobarse frente a las pruebas proporcionadas, representando explícitamente la información ausente.\n\nLa documentación de la serie GPT-4o también describe Predicted Outputs para un archivo de texto o código cuyo contenido esperado se conoce en gran medida. Ese flujo opcional utiliza el texto conocido al regenerar una versión con cambios limitados y no combina predicción con llamadas a funciones. Para la tarea en sí, elige un entregable final útil: un pasaje editado, una explicación visual, una respuesta propuesta o conclusiones estructuradas. Mantén sus afirmaciones importantes vinculadas al material original y utiliza mensajes posteriores para resolver una pregunta específica o revisar una sección concreta.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Edit a project update for a customer\n\nRewrite this internal note as a customer update under 80 words: 'The export fix is implemented in staging. QA found a separate date-format issue. Production rollout waits for both checks. Next review is Thursday.' Keep the tone calm, preserve the staging-versus-production distinction, and offer no release date or claim that the customer's issue is resolved.One customer-facing update with the current stage, remaining check and Thursday review.The draft never turns a scheduled review into a deployment promise or a staging fix into customer-visible resolution.openai/gpt-4o-2024-11-20La versión para API de GPT-4o del 20 de noviembre, identificada por separado, pertenece a la familia de modelos de texto e imagen de OpenAI. Utiliza unas instrucciones claras de redacción o análisis visual para desarrollar una respuesta, un documento editado o un conjunto estructurado de conclusiones.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-4o (2024-11-20) es la versión del 20 de noviembre identificada por separado en el catálogo API GPT-4o de OpenAI. Pertenece a la familia GPT-4o para tareas versátiles de texto e imagen, aceptando texto e imágenes y devolviendo texto. La identidad fechada se mantiene independiente de las versiones del 6 de agosto y del 13 de mayo y de la selección de modelo para el chat de ChatGPT, que cambia con el tiempo.
Un ejemplo de aplicación consiste en editar un documento para un público específico. Proporciona el material original, las necesidades del lector y los hechos que deben mantenerse intactos. Pide un pasaje revisado o un documento completo con un propósito explícito y refina después la versión seleccionada en una intervención posterior. Una salida útil puede incluir una explicación concisa de los cambios para que el lector pueda evaluarlos frente al texto original.
Para una pregunta visual, proporciona la captura de pantalla, la fotografía o la imagen del documento e identifica el detalle que orienta la tarea. Incluye el contexto escrito que la imagen por sí sola no aporta. Una solicitud de soporte puede combinar el mensaje del usuario con una captura de pantalla y pedir la observación pertinente, la información que aún se necesita y una propuesta de respuesta. Utiliza texto legible y evita depender de una etiqueta diminuta o una estimación espacial precisa sin comprobar la imagen de origen.
La documentación de la familia GPT-4o de OpenAI indica una ventana de contexto de 128,000 tokens. La entrada y la respuesta solicitada comparten el contexto disponible, por lo que debes conservar el material útil y los hechos anteriores importantes dejando espacio para el resultado. Define explícitamente la extensión y el formato requeridos de la respuesta. Un conjunto largo de material de origen resulta más útil cuando las instrucciones identifican la pregunta y los hechos que importan para ella.
El proveedor documenta transmisión en continuo, llamadas a funciones y Structured Outputs para la familia GPT-4o; las recomendaciones actuales de Structured Outputs abarcan la versión del 6 de agosto y modelos posteriores. Un esquema define los campos de la respuesta y la forma permitida, mientras que una solicitud de llamada a función propone una operación de la aplicación. Esta ejecuta sus acciones y devuelve resultados reales. Un conjunto de campos bien formado sigue necesitando comprobarse frente a las pruebas proporcionadas, representando explícitamente la información ausente.
La documentación de la serie GPT-4o también describe Predicted Outputs para un archivo de texto o código cuyo contenido esperado se conoce en gran medida. Ese flujo opcional utiliza el texto conocido al regenerar una versión con cambios limitados y no combina predicción con llamadas a funciones. Para la tarea en sí, elige un entregable final útil: un pasaje editado, una explicación visual, una respuesta propuesta o conclusiones estructuradas. Mantén sus afirmaciones importantes vinculadas al material original y utiliza mensajes posteriores para resolver una pregunta específica o revisar una sección concreta.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-4o-2024-11-20 | 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.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.005 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.0025 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.005 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.0025 / 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": "openai/gpt-4o-2024-11-20", "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-2024-11-20',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-2024-11-20',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 openai/gpt-4o-2024-11-20
Usa las rutas de método indicadas arriba.
openai/gpt-4o-2024-11-20La versión para API de GPT-4o del 20 de noviembre, identificada por separado, pertenece a la familia de modelos de texto e imagen de OpenAI. Utiliza unas instrucciones claras de redacción o análisis visual para desarrollar una respuesta, un documento editado o un conjunto estructurado de conclusiones.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-4o (2024-11-20) es la versión del 20 de noviembre identificada por separado en el catálogo API GPT-4o de OpenAI. Pertenece a la familia GPT-4o para tareas versátiles de texto e imagen, aceptando texto e imágenes y devolviendo texto. La identidad fechada se mantiene independiente de las versiones del 6 de agosto y del 13 de mayo y de la selección de modelo para el chat de ChatGPT, que cambia con el tiempo.
Un ejemplo de aplicación consiste en editar un documento para un público específico. Proporciona el material original, las necesidades del lector y los hechos que deben mantenerse intactos. Pide un pasaje revisado o un documento completo con un propósito explícito y refina después la versión seleccionada en una intervención posterior. Una salida útil puede incluir una explicación concisa de los cambios para que el lector pueda evaluarlos frente al texto original.
Para una pregunta visual, proporciona la captura de pantalla, la fotografía o la imagen del documento e identifica el detalle que orienta la tarea. Incluye el contexto escrito que la imagen por sí sola no aporta. Una solicitud de soporte puede combinar el mensaje del usuario con una captura de pantalla y pedir la observación pertinente, la información que aún se necesita y una propuesta de respuesta. Utiliza texto legible y evita depender de una etiqueta diminuta o una estimación espacial precisa sin comprobar la imagen de origen.
La documentación de la familia GPT-4o de OpenAI indica una ventana de contexto de 128,000 tokens. La entrada y la respuesta solicitada comparten el contexto disponible, por lo que debes conservar el material útil y los hechos anteriores importantes dejando espacio para el resultado. Define explícitamente la extensión y el formato requeridos de la respuesta. Un conjunto largo de material de origen resulta más útil cuando las instrucciones identifican la pregunta y los hechos que importan para ella.
El proveedor documenta transmisión en continuo, llamadas a funciones y Structured Outputs para la familia GPT-4o; las recomendaciones actuales de Structured Outputs abarcan la versión del 6 de agosto y modelos posteriores. Un esquema define los campos de la respuesta y la forma permitida, mientras que una solicitud de llamada a función propone una operación de la aplicación. Esta ejecuta sus acciones y devuelve resultados reales. Un conjunto de campos bien formado sigue necesitando comprobarse frente a las pruebas proporcionadas, representando explícitamente la información ausente.
La documentación de la serie GPT-4o también describe Predicted Outputs para un archivo de texto o código cuyo contenido esperado se conoce en gran medida. Ese flujo opcional utiliza el texto conocido al regenerar una versión con cambios limitados y no combina predicción con llamadas a funciones. Para la tarea en sí, elige un entregable final útil: un pasaje editado, una explicación visual, una respuesta propuesta o conclusiones estructuradas. Mantén sus afirmaciones importantes vinculadas al material original y utiliza mensajes posteriores para resolver una pregunta específica o revisar una sección concreta.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-4o-2024-11-20 | 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.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.005 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.0025 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.005 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.0025 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "openai/gpt-4o-2024-11-20",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2024-11-20', '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-2024-11-20', '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 openai/gpt-4o-2024-11-20
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Edit a project update for a customer\n\nRewrite this internal note as a customer update under 80 words: 'The export fix is implemented in staging. QA found a separate date-format issue. Production rollout waits for both checks. Next review is Thursday.' Keep the tone calm, preserve the staging-versus-production distinction, and offer no release date or claim that the customer's issue is resolved.One customer-facing update with the current stage, remaining check and Thursday review.The draft never turns a scheduled review into a deployment promise or a staging fix into customer-visible resolution.