OpenAI GPT-3.5 Turbo 1106 es la edición de GPT-3.5 Turbo identificada como gpt-3.5-turbo-1106. Comprende y genera lenguaje natural y código, con un diseño orientado a la conversación que también admite tareas de texto no conversacionales. Los cambios documentados de esta edición incluyen una ventana de contexto de 16K de forma predeterminada, un mejor seguimiento de instrucciones, el modo JSON y las llamadas paralelas a funciones. La identidad explícita 1106 diferencia este perfil de la edición 0613, la versión fija posterior 0125 y GPT-3.5 Turbo Instruct.
Prepara la tarea con el texto relevante, las reglas que debe seguir la respuesta y la forma deseada del resultado. Para una respuesta de soporte, incluye la pregunta del cliente y los datos del producto aplicables. Para una extracción, indica los campos que se deben identificar y explica qué hacer cuando falte uno. Para una tarea de código, proporciona el código relevante, el comportamiento esperado y el error o la restricción que se debe abordar. La capacidad de contexto de 16K deja espacio para el material de apoyo; no promete que se use correctamente cada detalle ni que la respuesta pueda ser tan larga como la entrada.
OpenAI indica una fecha de corte de conocimientos en septiembre de 2021 para la familia GPT-3.5 Turbo. Proporciona material con autoridad cuando la respuesta dependa de información posterior o de hechos específicos de tu proyecto. Pide al modelo que distinga lo que aparece en el texto proporcionado de lo que deduce. Una solicitud de respuesta en un formato concreto debe definirlo explícitamente, en lugar de confiar en que el modelo adivine los campos, las unidades o las convenciones.
El modo JSON busca producir JSON sintácticamente válido. Es útil cuando la extracción o clasificación de texto necesita un objeto que pueda analizar una aplicación. Incluye una instrucción explícita para producir JSON e indica las claves necesarias, los tipos de valores y cómo tratar la información desconocida. OpenAI advierte de que omitir la instrucción JSON puede provocar la generación de espacios en blanco hasta alcanzar el límite de tokens. También hay que distinguir una respuesta completa de una salida interrumpida antes de terminar el objeto.
Un JSON válido no garantiza por sí solo que cumpla un esquema concreto ni que sus valores sean correctos. Para una tarea de extracción de registros, comprueba que estén presentes las claves necesarias y que cada valor extraído esté respaldado por la entrada. El modo JSON no debe tratarse como la garantía de esquema de la función posterior Structured Outputs. Esta distinción importa cuando la salida vaya a rellenar un formulario, seleccionar una etiqueta o convertirse en la entrada de otro procedimiento.
La edición 1106 admite llamadas paralelas a funciones, lo que permite que el modelo proponga más de una llamada en una respuesta. Esto permite realizar una tarea que necesite varias operaciones definidas por la aplicación o consultas de información independientes. Describe con claridad el propósito de cada función y las entradas esperadas. La aplicación que lo integra ejecuta la operación y proporciona el resultado; una llamada a función generada no demuestra por sí sola que se haya completado una acción. Revisa los argumentos propuestos y vincula la respuesta textual a los resultados realmente devueltos.
El anuncio de esta edición de OpenAI documenta el ajuste fino para el nuevo modelo GPT-3.5 Turbo de 16K. Un modelo ajustado es una variante preparada por separado, no una propiedad automática de cada solicitud a esta edición base. Para el uso habitual, empieza por unas instrucciones claras y ejemplos relevantes de la respuesta deseada. Al preparar instrucciones de extracción o reescritura, los ejemplos deben mostrar las diferencias que importan, como un valor ausente o una frase que debe permanecer sin cambios.
Entre los resultados útiles están una respuesta de soporte basada en la información del producto proporcionada, un registro JSON comprobado, una explicación concisa de código o un pasaje reescrito con restricciones definidas. Compara el resultado con el texto de origen y el formato solicitado. Para código, comprueba el cambio propuesto en el proyecto de destino; para extracción, comprueba los valores y el tratamiento de los campos que faltan. El valor de esta edición reside en sus capacidades concretas de texto, seguimiento de formatos y llamadas a funciones, aplicadas a una entrada cuyo resultado previsto esté claro.
", "aboutText": "OpenAI GPT-3.5 Turbo 1106 es la edición de GPT-3.5 Turbo identificada como gpt-3.5-turbo-1106. Comprende y genera lenguaje natural y código, con un diseño orientado a la conversación que también admite tareas de texto no conversacionales. Los cambios documentados de esta edición incluyen una ventana de contexto de 16K de forma predeterminada, un mejor seguimiento de instrucciones, el modo JSON y las llamadas paralelas a funciones. La identidad explícita 1106 diferencia este perfil de la edición 0613, la versión fija posterior 0125 y GPT-3.5 Turbo Instruct.\n\n### Instrucciones y contexto de entrada\n\nPrepara la tarea con el texto relevante, las reglas que debe seguir la respuesta y la forma deseada del resultado. Para una respuesta de soporte, incluye la pregunta del cliente y los datos del producto aplicables. Para una extracción, indica los campos que se deben identificar y explica qué hacer cuando falte uno. Para una tarea de código, proporciona el código relevante, el comportamiento esperado y el error o la restricción que se debe abordar. La capacidad de contexto de 16K deja espacio para el material de apoyo; no promete que se use correctamente cada detalle ni que la respuesta pueda ser tan larga como la entrada.\n\nOpenAI indica una fecha de corte de conocimientos en septiembre de 2021 para la familia GPT-3.5 Turbo. Proporciona material con autoridad cuando la respuesta dependa de información posterior o de hechos específicos de tu proyecto. Pide al modelo que distinga lo que aparece en el texto proporcionado de lo que deduce. Una solicitud de respuesta en un formato concreto debe definirlo explícitamente, en lugar de confiar en que el modelo adivine los campos, las unidades o las convenciones.\n\n### Modo JSON y comprobaciones del esquema\n\nEl modo JSON busca producir JSON sintácticamente válido. Es útil cuando la extracción o clasificación de texto necesita un objeto que pueda analizar una aplicación. Incluye una instrucción explícita para producir JSON e indica las claves necesarias, los tipos de valores y cómo tratar la información desconocida. OpenAI advierte de que omitir la instrucción JSON puede provocar la generación de espacios en blanco hasta alcanzar el límite de tokens. También hay que distinguir una respuesta completa de una salida interrumpida antes de terminar el objeto.\n\nUn JSON válido no garantiza por sí solo que cumpla un esquema concreto ni que sus valores sean correctos. Para una tarea de extracción de registros, comprueba que estén presentes las claves necesarias y que cada valor extraído esté respaldado por la entrada. El modo JSON no debe tratarse como la garantía de esquema de la función posterior Structured Outputs. Esta distinción importa cuando la salida vaya a rellenar un formulario, seleccionar una etiqueta o convertirse en la entrada de otro procedimiento.\n\n### Llamadas paralelas a funciones\n\nLa edición 1106 admite llamadas paralelas a funciones, lo que permite que el modelo proponga más de una llamada en una respuesta. Esto permite realizar una tarea que necesite varias operaciones definidas por la aplicación o consultas de información independientes. Describe con claridad el propósito de cada función y las entradas esperadas. La aplicación que lo integra ejecuta la operación y proporciona el resultado; una llamada a función generada no demuestra por sí sola que se haya completado una acción. Revisa los argumentos propuestos y vincula la respuesta textual a los resultados realmente devueltos.\n\n### Ajuste fino y uso práctico\n\nEl anuncio de esta edición de OpenAI documenta el ajuste fino para el nuevo modelo GPT-3.5 Turbo de 16K. Un modelo ajustado es una variante preparada por separado, no una propiedad automática de cada solicitud a esta edición base. Para el uso habitual, empieza por unas instrucciones claras y ejemplos relevantes de la respuesta deseada. Al preparar instrucciones de extracción o reescritura, los ejemplos deben mostrar las diferencias que importan, como un valor ausente o una frase que debe permanecer sin cambios.\n\nEntre los resultados útiles están una respuesta de soporte basada en la información del producto proporcionada, un registro JSON comprobado, una explicación concisa de código o un pasaje reescrito con restricciones definidas. Compara el resultado con el texto de origen y el formato solicitado. Para código, comprueba el cambio propuesto en el proyecto de destino; para extracción, comprueba los valores y el tratamiento de los campos que faltan. El valor de esta edición reside en sus capacidades concretas de texto, seguimiento de formatos y llamadas a funciones, aplicadas a una entrada cuyo resultado previsto esté claro.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Request an extraction object\n\nExtract an appointment record from: "Visit V-17 is on 12 December at 10:30 with Morgan. No room assigned." Return only a JSON object with keys visit_id, date_text, time_text, contact and room. Use strings for known values and null for the missing room. Do not infer a year or location.One requested JSON object with five keys; room is null and the date remains textual.Parse the returned JSON and compare every value with the sentence; formatting alone does not establish correctness.gpt-3.5-turbo-1106OpenAI GPT-3.5 Turbo 1106 es la edición identificada del modelo de texto con una ventana de contexto de 16K, un mejor seguimiento de instrucciones, modo JSON y llamadas paralelas a funciones. Úsala para asistencia conversacional, extracción de texto y tareas de código o contenido con un resultado especificado con claridad.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
OpenAI GPT-3.5 Turbo 1106 es la edición de GPT-3.5 Turbo identificada como gpt-3.5-turbo-1106. Comprende y genera lenguaje natural y código, con un diseño orientado a la conversación que también admite tareas de texto no conversacionales. Los cambios documentados de esta edición incluyen una ventana de contexto de 16K de forma predeterminada, un mejor seguimiento de instrucciones, el modo JSON y las llamadas paralelas a funciones. La identidad explícita 1106 diferencia este perfil de la edición 0613, la versión fija posterior 0125 y GPT-3.5 Turbo Instruct.
Prepara la tarea con el texto relevante, las reglas que debe seguir la respuesta y la forma deseada del resultado. Para una respuesta de soporte, incluye la pregunta del cliente y los datos del producto aplicables. Para una extracción, indica los campos que se deben identificar y explica qué hacer cuando falte uno. Para una tarea de código, proporciona el código relevante, el comportamiento esperado y el error o la restricción que se debe abordar. La capacidad de contexto de 16K deja espacio para el material de apoyo; no promete que se use correctamente cada detalle ni que la respuesta pueda ser tan larga como la entrada.
OpenAI indica una fecha de corte de conocimientos en septiembre de 2021 para la familia GPT-3.5 Turbo. Proporciona material con autoridad cuando la respuesta dependa de información posterior o de hechos específicos de tu proyecto. Pide al modelo que distinga lo que aparece en el texto proporcionado de lo que deduce. Una solicitud de respuesta en un formato concreto debe definirlo explícitamente, en lugar de confiar en que el modelo adivine los campos, las unidades o las convenciones.
El modo JSON busca producir JSON sintácticamente válido. Es útil cuando la extracción o clasificación de texto necesita un objeto que pueda analizar una aplicación. Incluye una instrucción explícita para producir JSON e indica las claves necesarias, los tipos de valores y cómo tratar la información desconocida. OpenAI advierte de que omitir la instrucción JSON puede provocar la generación de espacios en blanco hasta alcanzar el límite de tokens. También hay que distinguir una respuesta completa de una salida interrumpida antes de terminar el objeto.
Un JSON válido no garantiza por sí solo que cumpla un esquema concreto ni que sus valores sean correctos. Para una tarea de extracción de registros, comprueba que estén presentes las claves necesarias y que cada valor extraído esté respaldado por la entrada. El modo JSON no debe tratarse como la garantía de esquema de la función posterior Structured Outputs. Esta distinción importa cuando la salida vaya a rellenar un formulario, seleccionar una etiqueta o convertirse en la entrada de otro procedimiento.
La edición 1106 admite llamadas paralelas a funciones, lo que permite que el modelo proponga más de una llamada en una respuesta. Esto permite realizar una tarea que necesite varias operaciones definidas por la aplicación o consultas de información independientes. Describe con claridad el propósito de cada función y las entradas esperadas. La aplicación que lo integra ejecuta la operación y proporciona el resultado; una llamada a función generada no demuestra por sí sola que se haya completado una acción. Revisa los argumentos propuestos y vincula la respuesta textual a los resultados realmente devueltos.
El anuncio de esta edición de OpenAI documenta el ajuste fino para el nuevo modelo GPT-3.5 Turbo de 16K. Un modelo ajustado es una variante preparada por separado, no una propiedad automática de cada solicitud a esta edición base. Para el uso habitual, empieza por unas instrucciones claras y ejemplos relevantes de la respuesta deseada. Al preparar instrucciones de extracción o reescritura, los ejemplos deben mostrar las diferencias que importan, como un valor ausente o una frase que debe permanecer sin cambios.
Entre los resultados útiles están una respuesta de soporte basada en la información del producto proporcionada, un registro JSON comprobado, una explicación concisa de código o un pasaje reescrito con restricciones definidas. Compara el resultado con el texto de origen y el formato solicitado. Para código, comprueba el cambio propuesto en el proyecto de destino; para extracción, comprueba los valores y el tratamiento de los campos que faltan. El valor de esta edición reside en sus capacidades concretas de texto, seguimiento de formatos y llamadas a funciones, aplicadas a una entrada cuyo resultado previsto esté claro.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-3.5-turbo-1106 | 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 $0.002 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-3.5-turbo-1106", "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-3.5-turbo-1106',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-3.5-turbo-1106',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 las cabeceras. 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-3.5-turbo-1106
Usa las rutas de método indicadas arriba.
gpt-3.5-turbo-1106OpenAI GPT-3.5 Turbo 1106 es la edición identificada del modelo de texto con una ventana de contexto de 16K, un mejor seguimiento de instrucciones, modo JSON y llamadas paralelas a funciones. Úsala para asistencia conversacional, extracción de texto y tareas de código o contenido con un resultado especificado con claridad.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
OpenAI GPT-3.5 Turbo 1106 es la edición de GPT-3.5 Turbo identificada como gpt-3.5-turbo-1106. Comprende y genera lenguaje natural y código, con un diseño orientado a la conversación que también admite tareas de texto no conversacionales. Los cambios documentados de esta edición incluyen una ventana de contexto de 16K de forma predeterminada, un mejor seguimiento de instrucciones, el modo JSON y las llamadas paralelas a funciones. La identidad explícita 1106 diferencia este perfil de la edición 0613, la versión fija posterior 0125 y GPT-3.5 Turbo Instruct.
Prepara la tarea con el texto relevante, las reglas que debe seguir la respuesta y la forma deseada del resultado. Para una respuesta de soporte, incluye la pregunta del cliente y los datos del producto aplicables. Para una extracción, indica los campos que se deben identificar y explica qué hacer cuando falte uno. Para una tarea de código, proporciona el código relevante, el comportamiento esperado y el error o la restricción que se debe abordar. La capacidad de contexto de 16K deja espacio para el material de apoyo; no promete que se use correctamente cada detalle ni que la respuesta pueda ser tan larga como la entrada.
OpenAI indica una fecha de corte de conocimientos en septiembre de 2021 para la familia GPT-3.5 Turbo. Proporciona material con autoridad cuando la respuesta dependa de información posterior o de hechos específicos de tu proyecto. Pide al modelo que distinga lo que aparece en el texto proporcionado de lo que deduce. Una solicitud de respuesta en un formato concreto debe definirlo explícitamente, en lugar de confiar en que el modelo adivine los campos, las unidades o las convenciones.
El modo JSON busca producir JSON sintácticamente válido. Es útil cuando la extracción o clasificación de texto necesita un objeto que pueda analizar una aplicación. Incluye una instrucción explícita para producir JSON e indica las claves necesarias, los tipos de valores y cómo tratar la información desconocida. OpenAI advierte de que omitir la instrucción JSON puede provocar la generación de espacios en blanco hasta alcanzar el límite de tokens. También hay que distinguir una respuesta completa de una salida interrumpida antes de terminar el objeto.
Un JSON válido no garantiza por sí solo que cumpla un esquema concreto ni que sus valores sean correctos. Para una tarea de extracción de registros, comprueba que estén presentes las claves necesarias y que cada valor extraído esté respaldado por la entrada. El modo JSON no debe tratarse como la garantía de esquema de la función posterior Structured Outputs. Esta distinción importa cuando la salida vaya a rellenar un formulario, seleccionar una etiqueta o convertirse en la entrada de otro procedimiento.
La edición 1106 admite llamadas paralelas a funciones, lo que permite que el modelo proponga más de una llamada en una respuesta. Esto permite realizar una tarea que necesite varias operaciones definidas por la aplicación o consultas de información independientes. Describe con claridad el propósito de cada función y las entradas esperadas. La aplicación que lo integra ejecuta la operación y proporciona el resultado; una llamada a función generada no demuestra por sí sola que se haya completado una acción. Revisa los argumentos propuestos y vincula la respuesta textual a los resultados realmente devueltos.
El anuncio de esta edición de OpenAI documenta el ajuste fino para el nuevo modelo GPT-3.5 Turbo de 16K. Un modelo ajustado es una variante preparada por separado, no una propiedad automática de cada solicitud a esta edición base. Para el uso habitual, empieza por unas instrucciones claras y ejemplos relevantes de la respuesta deseada. Al preparar instrucciones de extracción o reescritura, los ejemplos deben mostrar las diferencias que importan, como un valor ausente o una frase que debe permanecer sin cambios.
Entre los resultados útiles están una respuesta de soporte basada en la información del producto proporcionada, un registro JSON comprobado, una explicación concisa de código o un pasaje reescrito con restricciones definidas. Compara el resultado con el texto de origen y el formato solicitado. Para código, comprueba el cambio propuesto en el proyecto de destino; para extracción, comprueba los valores y el tratamiento de los campos que faltan. El valor de esta edición reside en sus capacidades concretas de texto, seguimiento de formatos y llamadas a funciones, aplicadas a una entrada cuyo resultado previsto esté claro.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-3.5-turbo-1106 | 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 $0.002 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gpt-3.5-turbo-1106",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.5-turbo-1106', '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-3.5-turbo-1106', '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 las cabeceras. 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-3.5-turbo-1106
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Request an extraction object\n\nExtract an appointment record from: "Visit V-17 is on 12 December at 10:30 with Morgan. No room assigned." Return only a JSON object with keys visit_id, date_text, time_text, contact and room. Use strings for known values and null for the missing room. Do not infer a year or location.One requested JSON object with five keys; room is null and the date remains textual.Parse the returned JSON and compare every value with the sentence; formatting alone does not establish correctness.