GPT-4 Turbo Preview 1106 es la primera edición de texto identificada como GPT-4 Turbo Preview de OpenAI. Introduce una ventana de contexto de 128K, un mejor seguimiento de instrucciones, el modo JSON y actualizaciones de las llamadas a funciones, incluidas las solicitudes de varias funciones en un mismo mensaje. Su resultado útil es una respuesta textual, una propuesta de código o un registro estructurado para la aplicación basado en el material proporcionado. Este perfil 1106 es independiente de Vision Preview y de la actualización posterior 0125.
El anuncio de lanzamiento especifica una ventana de contexto de 128K y conocimientos sobre sucesos mundiales hasta abril de 2023. Proporciona pruebas más recientes cuando la tarea dependa de información actual. Un contexto más amplio permite reunir documentos de origen o código relacionados, pero las instrucciones deben seguir estableciendo qué tiene que hacer el modelo con ellos. Define la pregunta, qué material tiene autoridad y la forma esperada de la respuesta.
Para comparar documentos, identifica las versiones y pide las condiciones que han cambiado junto a los pasajes que las respaldan. Para una tarea de programación, incluye el comportamiento existente, el cambio deseado y las restricciones relevantes de la interfaz. Un resultado útil puede ser una modificación concreta o la explicación de un defecto con el caso que lo pone de manifiesto. Excluye el material irrelevante de la tarea para dirigir la atención del modelo hacia las pruebas que cambian el resultado.
El productor destaca una mejor adherencia a las instrucciones que exigen un formato de respuesta concreto. Una solicitud puede definir una explicación ordenada, una tabla o un registro legible por máquina. Identifica los campos y explica qué se debe devolver cuando la fuente no permita establecer un valor. Por ejemplo, unas instrucciones para procesar registros pueden pedir un identificador de fuente, una condición extraída y el pasaje del que procede.
El modo JSON limita la respuesta a un objeto JSON sintácticamente válido en el procedimiento Chat Completions del productor. Un JSON válido no demuestra que el registro contenga los campos adecuados ni valores correctos. Mantén la validación de la aplicación y la comprobación de la fuente separadas del control del formato, especialmente cuando el siguiente paso dependa de un identificador o un estado concreto. 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. Las funciones posteriores de salida restringida por esquema de otros modelos son un mecanismo diferente.
El modelo puede generar argumentos para funciones definidas por la aplicación. El lanzamiento incorpora la capacidad de solicitar varias funciones en un solo mensaje, lo que permite realizar una tarea que necesite más de una consulta. Describe el propósito de cada función y las entradas que requiere, y conecta después la información realmente devuelta con la siguiente respuesta. El modelo selecciona y describe la solicitud; la aplicación la ejecuta.
Para comparar dos registros, una función puede recuperar los datos reales de cada uno antes de que el asistente prepare la comparación. Conserva la asociación entre el elemento solicitado y el resultado devuelto. Cuando falte una fuente o falle una operación, refleja esa situación en la respuesta en lugar de anunciar un resultado satisfactorio basándote únicamente en los argumentos propuestos.
El control beta seed presentado en el lanzamiento busca producir respuestas coherentes la mayoría de las veces. Úsalo con el mismo material de origen y los demás ajustes sin cambios al comparar una pequeña modificación de las instrucciones. No garantiza el determinismo, por lo que debes examinar ambas respuestas y conservar las condiciones en las que se produjo cada una.
El lanzamiento original distingue esta edición Preview de texto de GPT-4 Turbo with Vision, la generación de imágenes y los modelos de generación de voz. Para este perfil, proporciona por escrito la información relevante de un diagrama, en lugar de atribuirle la capacidad de entrada del modelo Vision. La actualización Preview 0125 posterior busca completar las tareas con mayor exhaustividad y corrige un error de codificación; la edición 1106 es anterior a esos cambios. Conserva juntos el modelo identificado, el material de origen, el formato solicitado y el resultado devuelto al evaluarlo.
", "aboutText": "GPT-4 Turbo Preview 1106 es la primera edición de texto identificada como GPT-4 Turbo Preview de OpenAI. Introduce una ventana de contexto de 128K, un mejor seguimiento de instrucciones, el modo JSON y actualizaciones de las llamadas a funciones, incluidas las solicitudes de varias funciones en un mismo mensaje. Su resultado útil es una respuesta textual, una propuesta de código o un registro estructurado para la aplicación basado en el material proporcionado. Este perfil 1106 es independiente de Vision Preview y de la actualización posterior 0125.\n\n### Reúne texto relacionado en una tarea acotada\n\nEl anuncio de lanzamiento especifica una ventana de contexto de 128K y conocimientos sobre sucesos mundiales hasta abril de 2023. Proporciona pruebas más recientes cuando la tarea dependa de información actual. Un contexto más amplio permite reunir documentos de origen o código relacionados, pero las instrucciones deben seguir estableciendo qué tiene que hacer el modelo con ellos. Define la pregunta, qué material tiene autoridad y la forma esperada de la respuesta.\n\nPara comparar documentos, identifica las versiones y pide las condiciones que han cambiado junto a los pasajes que las respaldan. Para una tarea de programación, incluye el comportamiento existente, el cambio deseado y las restricciones relevantes de la interfaz. Un resultado útil puede ser una modificación concreta o la explicación de un defecto con el caso que lo pone de manifiesto. Excluye el material irrelevante de la tarea para dirigir la atención del modelo hacia las pruebas que cambian el resultado.\n\n### Sigue un formato solicitado\n\nEl productor destaca una mejor adherencia a las instrucciones que exigen un formato de respuesta concreto. Una solicitud puede definir una explicación ordenada, una tabla o un registro legible por máquina. Identifica los campos y explica qué se debe devolver cuando la fuente no permita establecer un valor. Por ejemplo, unas instrucciones para procesar registros pueden pedir un identificador de fuente, una condición extraída y el pasaje del que procede.\n\nEl modo JSON limita la respuesta a un objeto JSON sintácticamente válido en el procedimiento Chat Completions del productor. Un JSON válido no demuestra que el registro contenga los campos adecuados ni valores correctos. Mantén la validación de la aplicación y la comprobación de la fuente separadas del control del formato, especialmente cuando el siguiente paso dependa de un identificador o un estado concreto. 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. Las funciones posteriores de salida restringida por esquema de otros modelos son un mecanismo diferente.\n\n### Solicita funciones con argumentos útiles\n\nEl modelo puede generar argumentos para funciones definidas por la aplicación. El lanzamiento incorpora la capacidad de solicitar varias funciones en un solo mensaje, lo que permite realizar una tarea que necesite más de una consulta. Describe el propósito de cada función y las entradas que requiere, y conecta después la información realmente devuelta con la siguiente respuesta. El modelo selecciona y describe la solicitud; la aplicación la ejecuta.\n\nPara comparar dos registros, una función puede recuperar los datos reales de cada uno antes de que el asistente prepare la comparación. Conserva la asociación entre el elemento solicitado y el resultado devuelto. Cuando falte una fuente o falle una operación, refleja esa situación en la respuesta en lugar de anunciar un resultado satisfactorio basándote únicamente en los argumentos propuestos.\n\n### Experimentos repetibles y edición seleccionada\n\nEl control beta seed presentado en el lanzamiento busca producir respuestas coherentes la mayoría de las veces. Úsalo con el mismo material de origen y los demás ajustes sin cambios al comparar una pequeña modificación de las instrucciones. No garantiza el determinismo, por lo que debes examinar ambas respuestas y conservar las condiciones en las que se produjo cada una.\n\nEl lanzamiento original distingue esta edición Preview de texto de GPT-4 Turbo with Vision, la generación de imágenes y los modelos de generación de voz. Para este perfil, proporciona por escrito la información relevante de un diagrama, en lugar de atribuirle la capacidad de entrada del modelo Vision. La actualización Preview 0125 posterior busca completar las tareas con mayor exhaustividad y corrige un error de codificación; la edición 1106 es anterior a esos cambios. Conserva juntos el modelo identificado, el material de origen, el formato solicitado y el resultado devuelto al evaluarlo.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Extract a source-linked renewal record\n\nFrom this note, draft a JSON object with fields account, renewal_date, owner and evidence: “Account Northbridge renews on 30 June. The commercial owner has not yet been assigned.” Use null for an unstated owner, retain the date wording and include the source sentence supporting the renewal date. Return no extra prose.A requested JSON record with the four named fields, an unknown owner and source evidence.Parse the returned record and check its values against the note; requested JSON formatting does not replace field validation.gpt-4-1106-previewGPT-4 Turbo Preview 1106 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 1106 es la primera edición de texto identificada como GPT-4 Turbo Preview de OpenAI. Introduce una ventana de contexto de 128K, un mejor seguimiento de instrucciones, el modo JSON y actualizaciones de las llamadas a funciones, incluidas las solicitudes de varias funciones en un mismo mensaje. Su resultado útil es una respuesta textual, una propuesta de código o un registro estructurado para la aplicación basado en el material proporcionado. Este perfil 1106 es independiente de Vision Preview y de la actualización posterior 0125.
El anuncio de lanzamiento especifica una ventana de contexto de 128K y conocimientos sobre sucesos mundiales hasta abril de 2023. Proporciona pruebas más recientes cuando la tarea dependa de información actual. Un contexto más amplio permite reunir documentos de origen o código relacionados, pero las instrucciones deben seguir estableciendo qué tiene que hacer el modelo con ellos. Define la pregunta, qué material tiene autoridad y la forma esperada de la respuesta.
Para comparar documentos, identifica las versiones y pide las condiciones que han cambiado junto a los pasajes que las respaldan. Para una tarea de programación, incluye el comportamiento existente, el cambio deseado y las restricciones relevantes de la interfaz. Un resultado útil puede ser una modificación concreta o la explicación de un defecto con el caso que lo pone de manifiesto. Excluye el material irrelevante de la tarea para dirigir la atención del modelo hacia las pruebas que cambian el resultado.
El productor destaca una mejor adherencia a las instrucciones que exigen un formato de respuesta concreto. Una solicitud puede definir una explicación ordenada, una tabla o un registro legible por máquina. Identifica los campos y explica qué se debe devolver cuando la fuente no permita establecer un valor. Por ejemplo, unas instrucciones para procesar registros pueden pedir un identificador de fuente, una condición extraída y el pasaje del que procede.
El modo JSON limita la respuesta a un objeto JSON sintácticamente válido en el procedimiento Chat Completions del productor. Un JSON válido no demuestra que el registro contenga los campos adecuados ni valores correctos. Mantén la validación de la aplicación y la comprobación de la fuente separadas del control del formato, especialmente cuando el siguiente paso dependa de un identificador o un estado concreto. 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. Las funciones posteriores de salida restringida por esquema de otros modelos son un mecanismo diferente.
El modelo puede generar argumentos para funciones definidas por la aplicación. El lanzamiento incorpora la capacidad de solicitar varias funciones en un solo mensaje, lo que permite realizar una tarea que necesite más de una consulta. Describe el propósito de cada función y las entradas que requiere, y conecta después la información realmente devuelta con la siguiente respuesta. El modelo selecciona y describe la solicitud; la aplicación la ejecuta.
Para comparar dos registros, una función puede recuperar los datos reales de cada uno antes de que el asistente prepare la comparación. Conserva la asociación entre el elemento solicitado y el resultado devuelto. Cuando falte una fuente o falle una operación, refleja esa situación en la respuesta en lugar de anunciar un resultado satisfactorio basándote únicamente en los argumentos propuestos.
El control beta seed presentado en el lanzamiento busca producir respuestas coherentes la mayoría de las veces. Úsalo con el mismo material de origen y los demás ajustes sin cambios al comparar una pequeña modificación de las instrucciones. No garantiza el determinismo, por lo que debes examinar ambas respuestas y conservar las condiciones en las que se produjo cada una.
El lanzamiento original distingue esta edición Preview de texto de GPT-4 Turbo with Vision, la generación de imágenes y los modelos de generación de voz. Para este perfil, proporciona por escrito la información relevante de un diagrama, en lugar de atribuirle la capacidad de entrada del modelo Vision. La actualización Preview 0125 posterior busca completar las tareas con mayor exhaustividad y corrige un error de codificación; la edición 1106 es anterior a esos cambios. Conserva juntos el modelo identificado, el material de origen, el formato solicitado y el resultado devuelto al evaluarlo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-4-1106-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-4-1106-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-4-1106-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-4-1106-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-4-1106-preview
Usa las rutas de método indicadas arriba.
gpt-4-1106-previewGPT-4 Turbo Preview 1106 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 1106 es la primera edición de texto identificada como GPT-4 Turbo Preview de OpenAI. Introduce una ventana de contexto de 128K, un mejor seguimiento de instrucciones, el modo JSON y actualizaciones de las llamadas a funciones, incluidas las solicitudes de varias funciones en un mismo mensaje. Su resultado útil es una respuesta textual, una propuesta de código o un registro estructurado para la aplicación basado en el material proporcionado. Este perfil 1106 es independiente de Vision Preview y de la actualización posterior 0125.
El anuncio de lanzamiento especifica una ventana de contexto de 128K y conocimientos sobre sucesos mundiales hasta abril de 2023. Proporciona pruebas más recientes cuando la tarea dependa de información actual. Un contexto más amplio permite reunir documentos de origen o código relacionados, pero las instrucciones deben seguir estableciendo qué tiene que hacer el modelo con ellos. Define la pregunta, qué material tiene autoridad y la forma esperada de la respuesta.
Para comparar documentos, identifica las versiones y pide las condiciones que han cambiado junto a los pasajes que las respaldan. Para una tarea de programación, incluye el comportamiento existente, el cambio deseado y las restricciones relevantes de la interfaz. Un resultado útil puede ser una modificación concreta o la explicación de un defecto con el caso que lo pone de manifiesto. Excluye el material irrelevante de la tarea para dirigir la atención del modelo hacia las pruebas que cambian el resultado.
El productor destaca una mejor adherencia a las instrucciones que exigen un formato de respuesta concreto. Una solicitud puede definir una explicación ordenada, una tabla o un registro legible por máquina. Identifica los campos y explica qué se debe devolver cuando la fuente no permita establecer un valor. Por ejemplo, unas instrucciones para procesar registros pueden pedir un identificador de fuente, una condición extraída y el pasaje del que procede.
El modo JSON limita la respuesta a un objeto JSON sintácticamente válido en el procedimiento Chat Completions del productor. Un JSON válido no demuestra que el registro contenga los campos adecuados ni valores correctos. Mantén la validación de la aplicación y la comprobación de la fuente separadas del control del formato, especialmente cuando el siguiente paso dependa de un identificador o un estado concreto. 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. Las funciones posteriores de salida restringida por esquema de otros modelos son un mecanismo diferente.
El modelo puede generar argumentos para funciones definidas por la aplicación. El lanzamiento incorpora la capacidad de solicitar varias funciones en un solo mensaje, lo que permite realizar una tarea que necesite más de una consulta. Describe el propósito de cada función y las entradas que requiere, y conecta después la información realmente devuelta con la siguiente respuesta. El modelo selecciona y describe la solicitud; la aplicación la ejecuta.
Para comparar dos registros, una función puede recuperar los datos reales de cada uno antes de que el asistente prepare la comparación. Conserva la asociación entre el elemento solicitado y el resultado devuelto. Cuando falte una fuente o falle una operación, refleja esa situación en la respuesta en lugar de anunciar un resultado satisfactorio basándote únicamente en los argumentos propuestos.
El control beta seed presentado en el lanzamiento busca producir respuestas coherentes la mayoría de las veces. Úsalo con el mismo material de origen y los demás ajustes sin cambios al comparar una pequeña modificación de las instrucciones. No garantiza el determinismo, por lo que debes examinar ambas respuestas y conservar las condiciones en las que se produjo cada una.
El lanzamiento original distingue esta edición Preview de texto de GPT-4 Turbo with Vision, la generación de imágenes y los modelos de generación de voz. Para este perfil, proporciona por escrito la información relevante de un diagrama, en lugar de atribuirle la capacidad de entrada del modelo Vision. La actualización Preview 0125 posterior busca completar las tareas con mayor exhaustividad y corrige un error de codificación; la edición 1106 es anterior a esos cambios. Conserva juntos el modelo identificado, el material de origen, el formato solicitado y el resultado devuelto al evaluarlo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-4-1106-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 $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gpt-4-1106-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-1106-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-4-1106-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-4-1106-preview
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Extract a source-linked renewal record\n\nFrom this note, draft a JSON object with fields account, renewal_date, owner and evidence: “Account Northbridge renews on 30 June. The commercial owner has not yet been assigned.” Use null for an unstated owner, retain the date wording and include the source sentence supporting the renewal date. Return no extra prose.A requested JSON record with the four named fields, an unknown owner and source evidence.Parse the returned record and check its values against the note; requested JSON formatting does not replace field validation.