GPT-4 Turbo Preview 0125 es la edición actualizada de prueba para investigación de GPT-4 Turbo de OpenAI, centrada en el texto. Procesa instrucciones escritas, material de origen y código para producir respuestas textuales o registros destinados a una aplicación. La actualización de enero busca específicamente completar mejor las tareas en ámbitos como la generación de código y corrige un error que afecta a la generación en UTF-8 en idiomas distintos del inglés. Esta edición identificada como 0125 es independiente de la edición Preview 1106 anterior y de GPT-4 Turbo with Vision.
La ficha Preview del productor indica una ventana de contexto de 128.000 tokens y hasta 4.096 tokens de salida, con una fecha de corte de conocimientos del 1 de diciembre de 2023. La ventana amplia de entrada puede contener documentos o código relacionados junto a una pregunta detallada; la capacidad de salida es mucho menor y debe determinar el resultado que se solicita. Proporciona pruebas actuales cuando una pregunta dependa de información que vaya más allá de los conocimientos almacenados del modelo.
Para comparar requisitos, incluye los documentos relevantes, identifica cuál prevalece en caso de desacuerdo y pide el requisito modificado, el pasaje que lo respalda y su efecto sobre el procedimiento descrito. Para una tarea de código, indica el comportamiento que se quiere lograr, las funciones relevantes y el resultado esperado. Pide un cambio completo dentro de ese alcance e identifica qué cuenta como finalización, en lugar de tratar un fragmento convincente como si fuera la tarea completa.
La familia GPT-4 Turbo Preview incorpora un mejor seguimiento de formatos y el modo JSON. El productor describe el modo JSON como una restricción que hace que la respuesta sea JSON sintácticamente válido; no verifica de forma independiente que el valor de un campo sea correcto ni que un registro cumpla todas las reglas de negocio. Define en las instrucciones los campos, los valores permitidos y cómo tratar la información que falta, y examina después el objeto devuelto frente a esos requisitos. Cuando uses el modo JSON del fabricante, indica explícitamente al modelo que produzca JSON e incluye la palabra «JSON» en la conversación. Sin esa instrucción, puede emitir espacios en blanco hasta el límite de tokens; comprueba que haya devuelto un objeto completo.
Una tarea de extracción puede solicitar el identificador de un elemento, el texto de origen que establece su estado y la siguiente acción respaldada por esas pruebas. Conserva el material original junto al registro para poder comprobar un valor. Que un analizador acepte el JSON devuelto es una parte del procedimiento; que la asociación entre la fuente y los campos extraídos sea correcta es otra.
El lanzamiento Preview de OpenAI documenta las llamadas a funciones, incluida la solicitud de varias funciones en un mismo mensaje. El desarrollador describe cada función y sus parámetros, y el modelo devuelve los argumentos para la operación solicitada. La aplicación que lo integra ejecuta la operación y devuelve el resultado real. Por tanto, una solicitud de consulta es independiente del registro recuperado y una acción propuesta es independiente de su finalización.
Proporciona funciones que encajen con la tarea e indica las pruebas que debe usar la siguiente respuesta. Un asistente de comparación puede solicitar los registros de dos elementos identificados y explicar después sus diferencias usando los valores devueltos. Si una consulta falla o proporciona material incompleto, conserva esa situación en lugar de inventar un sustituto verosímil. Conserva los identificadores de las funciones y sus resultados al continuar el trabajo.
El control seed de la familia Preview está documentado como una ayuda beta para obtener respuestas coherentes la mayoría de las veces. Resulta útil para comparar un cambio en las instrucciones manteniendo los demás ajustes constantes; no garantiza que todas las solicitudes repetidas produzcan una salida idéntica. Conserva juntas las instrucciones, el material de origen y los ajustes al comparar respuestas.
Las modalidades indicadas para este perfil son entrada de texto y salida de texto. El análisis de imágenes corresponde a Vision Preview, identificado por separado, o a perfiles multimodales posteriores. El modo JSON también es independiente de las funciones más recientes de restricción por esquema. Las mejoras de exhaustividad y codificación de la actualización 0125 no eliminan la necesidad de examinar un cambio de código, un campo extraído o una conclusión frente a las pruebas proporcionadas. Elige un resultado acotado que encaje con la capacidad de salida y conserva la edición exacta identificada junto al resultado.
", "aboutText": "GPT-4 Turbo Preview 0125 es la edición actualizada de prueba para investigación de GPT-4 Turbo de OpenAI, centrada en el texto. Procesa instrucciones escritas, material de origen y código para producir respuestas textuales o registros destinados a una aplicación. La actualización de enero busca específicamente completar mejor las tareas en ámbitos como la generación de código y corrige un error que afecta a la generación en UTF-8 en idiomas distintos del inglés. Esta edición identificada como 0125 es independiente de la edición Preview 1106 anterior y de GPT-4 Turbo with Vision.\n\n### Trabajo con texto y contexto amplio\n\nLa ficha Preview del productor indica una ventana de contexto de 128.000 tokens y hasta 4.096 tokens de salida, con una fecha de corte de conocimientos del 1 de diciembre de 2023. La ventana amplia de entrada puede contener documentos o código relacionados junto a una pregunta detallada; la capacidad de salida es mucho menor y debe determinar el resultado que se solicita. Proporciona pruebas actuales cuando una pregunta dependa de información que vaya más allá de los conocimientos almacenados del modelo.\n\nPara comparar requisitos, incluye los documentos relevantes, identifica cuál prevalece en caso de desacuerdo y pide el requisito modificado, el pasaje que lo respalda y su efecto sobre el procedimiento descrito. Para una tarea de código, indica el comportamiento que se quiere lograr, las funciones relevantes y el resultado esperado. Pide un cambio completo dentro de ese alcance e identifica qué cuenta como finalización, en lugar de tratar un fragmento convincente como si fuera la tarea completa.\n\n### Formatos y modo JSON\n\nLa familia GPT-4 Turbo Preview incorpora un mejor seguimiento de formatos y el modo JSON. El productor describe el modo JSON como una restricción que hace que la respuesta sea JSON sintácticamente válido; no verifica de forma independiente que el valor de un campo sea correcto ni que un registro cumpla todas las reglas de negocio. Define en las instrucciones los campos, los valores permitidos y cómo tratar la información que falta, y examina después el objeto devuelto frente a esos requisitos. Cuando uses el modo JSON del fabricante, indica explícitamente al modelo que produzca JSON e incluye la palabra «JSON» en la conversación. Sin esa instrucción, puede emitir espacios en blanco hasta el límite de tokens; comprueba que haya devuelto un objeto completo.\n\nUna tarea de extracción puede solicitar el identificador de un elemento, el texto de origen que establece su estado y la siguiente acción respaldada por esas pruebas. Conserva el material original junto al registro para poder comprobar un valor. Que un analizador acepte el JSON devuelto es una parte del procedimiento; que la asociación entre la fuente y los campos extraídos sea correcta es otra.\n\n### Llamadas a funciones y resultados reales\n\nEl lanzamiento Preview de OpenAI documenta las llamadas a funciones, incluida la solicitud de varias funciones en un mismo mensaje. El desarrollador describe cada función y sus parámetros, y el modelo devuelve los argumentos para la operación solicitada. La aplicación que lo integra ejecuta la operación y devuelve el resultado real. Por tanto, una solicitud de consulta es independiente del registro recuperado y una acción propuesta es independiente de su finalización.\n\nProporciona funciones que encajen con la tarea e indica las pruebas que debe usar la siguiente respuesta. Un asistente de comparación puede solicitar los registros de dos elementos identificados y explicar después sus diferencias usando los valores devueltos. Si una consulta falla o proporciona material incompleto, conserva esa situación en lugar de inventar un sustituto verosímil. Conserva los identificadores de las funciones y sus resultados al continuar el trabajo.\n\n### Repetibilidad y límites de la edición\n\nEl control seed de la familia Preview está documentado como una ayuda beta para obtener respuestas coherentes la mayoría de las veces. Resulta útil para comparar un cambio en las instrucciones manteniendo los demás ajustes constantes; no garantiza que todas las solicitudes repetidas produzcan una salida idéntica. Conserva juntas las instrucciones, el material de origen y los ajustes al comparar respuestas.\n\nLas modalidades indicadas para este perfil son entrada de texto y salida de texto. El análisis de imágenes corresponde a Vision Preview, identificado por separado, o a perfiles multimodales posteriores. El modo JSON también es independiente de las funciones más recientes de restricción por esquema. Las mejoras de exhaustividad y codificación de la actualización 0125 no eliminan la necesidad de examinar un cambio de código, un campo extraído o una conclusión frente a las pruebas proporcionadas. Elige un resultado acotado que encaje con la capacidad de salida y conserva la edición exacta identificada junto al resultado.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Complete a CSV escaping function\n\nWrite a complete Python function csv_cell(value) that converts value to text and wraps it in double quotes only when it contains a comma, double quote or newline. Embedded double quotes must be doubled. Return the function and tests for plain text, a comma, a quotation mark and a newline. Use no third-party packages.A complete function and four concrete test cases covering each escaping condition.The quotation-mark test checks both outer quoting and doubling of the embedded quote.gpt-4-0125-previewGPT-4 Turbo Preview 0125 resuelve tareas de texto y código con contexto largo mediante una ventana de contexto documentada de 128K. El modo JSON y las llamadas a funciones ayudan a transformar el material proporcionado en respuestas de texto o registros para la aplicación, manteniendo esta edición Preview concreta diferenciada de los modelos de visión y los posteriores.
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 Turbo Preview 0125 es la edición actualizada de prueba para investigación de GPT-4 Turbo de OpenAI, centrada en el texto. Procesa instrucciones escritas, material de origen y código para producir respuestas textuales o registros destinados a una aplicación. La actualización de enero busca específicamente completar mejor las tareas en ámbitos como la generación de código y corrige un error que afecta a la generación en UTF-8 en idiomas distintos del inglés. Esta edición identificada como 0125 es independiente de la edición Preview 1106 anterior y de GPT-4 Turbo with Vision.
La ficha Preview del productor indica una ventana de contexto de 128.000 tokens y hasta 4.096 tokens de salida, con una fecha de corte de conocimientos del 1 de diciembre de 2023. La ventana amplia de entrada puede contener documentos o código relacionados junto a una pregunta detallada; la capacidad de salida es mucho menor y debe determinar el resultado que se solicita. Proporciona pruebas actuales cuando una pregunta dependa de información que vaya más allá de los conocimientos almacenados del modelo.
Para comparar requisitos, incluye los documentos relevantes, identifica cuál prevalece en caso de desacuerdo y pide el requisito modificado, el pasaje que lo respalda y su efecto sobre el procedimiento descrito. Para una tarea de código, indica el comportamiento que se quiere lograr, las funciones relevantes y el resultado esperado. Pide un cambio completo dentro de ese alcance e identifica qué cuenta como finalización, en lugar de tratar un fragmento convincente como si fuera la tarea completa.
La familia GPT-4 Turbo Preview incorpora un mejor seguimiento de formatos y el modo JSON. El productor describe el modo JSON como una restricción que hace que la respuesta sea JSON sintácticamente válido; no verifica de forma independiente que el valor de un campo sea correcto ni que un registro cumpla todas las reglas de negocio. Define en las instrucciones los campos, los valores permitidos y cómo tratar la información que falta, y examina después el objeto devuelto frente a esos requisitos. Cuando uses el modo JSON del fabricante, indica explícitamente al modelo que produzca JSON e incluye la palabra «JSON» en la conversación. Sin esa instrucción, puede emitir espacios en blanco hasta el límite de tokens; comprueba que haya devuelto un objeto completo.
Una tarea de extracción puede solicitar el identificador de un elemento, el texto de origen que establece su estado y la siguiente acción respaldada por esas pruebas. Conserva el material original junto al registro para poder comprobar un valor. Que un analizador acepte el JSON devuelto es una parte del procedimiento; que la asociación entre la fuente y los campos extraídos sea correcta es otra.
El lanzamiento Preview de OpenAI documenta las llamadas a funciones, incluida la solicitud de varias funciones en un mismo mensaje. El desarrollador describe cada función y sus parámetros, y el modelo devuelve los argumentos para la operación solicitada. La aplicación que lo integra ejecuta la operación y devuelve el resultado real. Por tanto, una solicitud de consulta es independiente del registro recuperado y una acción propuesta es independiente de su finalización.
Proporciona funciones que encajen con la tarea e indica las pruebas que debe usar la siguiente respuesta. Un asistente de comparación puede solicitar los registros de dos elementos identificados y explicar después sus diferencias usando los valores devueltos. Si una consulta falla o proporciona material incompleto, conserva esa situación en lugar de inventar un sustituto verosímil. Conserva los identificadores de las funciones y sus resultados al continuar el trabajo.
El control seed de la familia Preview está documentado como una ayuda beta para obtener respuestas coherentes la mayoría de las veces. Resulta útil para comparar un cambio en las instrucciones manteniendo los demás ajustes constantes; no garantiza que todas las solicitudes repetidas produzcan una salida idéntica. Conserva juntas las instrucciones, el material de origen y los ajustes al comparar respuestas.
Las modalidades indicadas para este perfil son entrada de texto y salida de texto. El análisis de imágenes corresponde a Vision Preview, identificado por separado, o a perfiles multimodales posteriores. El modo JSON también es independiente de las funciones más recientes de restricción por esquema. Las mejoras de exhaustividad y codificación de la actualización 0125 no eliminan la necesidad de examinar un cambio de código, un campo extraído o una conclusión frente a las pruebas proporcionadas. Elige un resultado acotado que encaje con la capacidad de salida y conserva la edición exacta identificada junto al resultado.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-4-0125-preview | 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 $0.02 / 1K tokens Salida · Tokens de salida $0.06 / 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-4-0125-preview", "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-4-0125-preview',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-4-0125-preview',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-4-0125-preview
Usa las rutas de método indicadas arriba.
gpt-4-0125-previewGPT-4 Turbo Preview 0125 resuelve tareas de texto y código con contexto largo mediante una ventana de contexto documentada de 128K. El modo JSON y las llamadas a funciones ayudan a transformar el material proporcionado en respuestas de texto o registros para la aplicación, manteniendo esta edición Preview concreta diferenciada de los modelos de visión y los posteriores.
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 Turbo Preview 0125 es la edición actualizada de prueba para investigación de GPT-4 Turbo de OpenAI, centrada en el texto. Procesa instrucciones escritas, material de origen y código para producir respuestas textuales o registros destinados a una aplicación. La actualización de enero busca específicamente completar mejor las tareas en ámbitos como la generación de código y corrige un error que afecta a la generación en UTF-8 en idiomas distintos del inglés. Esta edición identificada como 0125 es independiente de la edición Preview 1106 anterior y de GPT-4 Turbo with Vision.
La ficha Preview del productor indica una ventana de contexto de 128.000 tokens y hasta 4.096 tokens de salida, con una fecha de corte de conocimientos del 1 de diciembre de 2023. La ventana amplia de entrada puede contener documentos o código relacionados junto a una pregunta detallada; la capacidad de salida es mucho menor y debe determinar el resultado que se solicita. Proporciona pruebas actuales cuando una pregunta dependa de información que vaya más allá de los conocimientos almacenados del modelo.
Para comparar requisitos, incluye los documentos relevantes, identifica cuál prevalece en caso de desacuerdo y pide el requisito modificado, el pasaje que lo respalda y su efecto sobre el procedimiento descrito. Para una tarea de código, indica el comportamiento que se quiere lograr, las funciones relevantes y el resultado esperado. Pide un cambio completo dentro de ese alcance e identifica qué cuenta como finalización, en lugar de tratar un fragmento convincente como si fuera la tarea completa.
La familia GPT-4 Turbo Preview incorpora un mejor seguimiento de formatos y el modo JSON. El productor describe el modo JSON como una restricción que hace que la respuesta sea JSON sintácticamente válido; no verifica de forma independiente que el valor de un campo sea correcto ni que un registro cumpla todas las reglas de negocio. Define en las instrucciones los campos, los valores permitidos y cómo tratar la información que falta, y examina después el objeto devuelto frente a esos requisitos. Cuando uses el modo JSON del fabricante, indica explícitamente al modelo que produzca JSON e incluye la palabra «JSON» en la conversación. Sin esa instrucción, puede emitir espacios en blanco hasta el límite de tokens; comprueba que haya devuelto un objeto completo.
Una tarea de extracción puede solicitar el identificador de un elemento, el texto de origen que establece su estado y la siguiente acción respaldada por esas pruebas. Conserva el material original junto al registro para poder comprobar un valor. Que un analizador acepte el JSON devuelto es una parte del procedimiento; que la asociación entre la fuente y los campos extraídos sea correcta es otra.
El lanzamiento Preview de OpenAI documenta las llamadas a funciones, incluida la solicitud de varias funciones en un mismo mensaje. El desarrollador describe cada función y sus parámetros, y el modelo devuelve los argumentos para la operación solicitada. La aplicación que lo integra ejecuta la operación y devuelve el resultado real. Por tanto, una solicitud de consulta es independiente del registro recuperado y una acción propuesta es independiente de su finalización.
Proporciona funciones que encajen con la tarea e indica las pruebas que debe usar la siguiente respuesta. Un asistente de comparación puede solicitar los registros de dos elementos identificados y explicar después sus diferencias usando los valores devueltos. Si una consulta falla o proporciona material incompleto, conserva esa situación en lugar de inventar un sustituto verosímil. Conserva los identificadores de las funciones y sus resultados al continuar el trabajo.
El control seed de la familia Preview está documentado como una ayuda beta para obtener respuestas coherentes la mayoría de las veces. Resulta útil para comparar un cambio en las instrucciones manteniendo los demás ajustes constantes; no garantiza que todas las solicitudes repetidas produzcan una salida idéntica. Conserva juntas las instrucciones, el material de origen y los ajustes al comparar respuestas.
Las modalidades indicadas para este perfil son entrada de texto y salida de texto. El análisis de imágenes corresponde a Vision Preview, identificado por separado, o a perfiles multimodales posteriores. El modo JSON también es independiente de las funciones más recientes de restricción por esquema. Las mejoras de exhaustividad y codificación de la actualización 0125 no eliminan la necesidad de examinar un cambio de código, un campo extraído o una conclusión frente a las pruebas proporcionadas. Elige un resultado acotado que encaje con la capacidad de salida y conserva la edición exacta identificada junto al resultado.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-4-0125-preview | 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 $0.02 / 1K tokens Salida · Tokens de salida $0.06 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gpt-4-0125-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-0125-preview', '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-4-0125-preview', '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-4-0125-preview
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Complete a CSV escaping function\n\nWrite a complete Python function csv_cell(value) that converts value to text and wraps it in double quotes only when it contains a comma, double quote or newline. Embedded double quotes must be doubled. Return the function and tests for plain text, a comma, a quotation mark and a newline. Use no third-party packages.A complete function and four concrete test cases covering each escaping condition.The quotation-mark test checks both outer quoting and doubling of the embedded quote.