GPT-4o (2024-08-06) es la versión de GPT-4o de OpenAI fechada el 6 de agosto. Acepta texto e imágenes y genera texto. OpenAI identifica esta edición exacta en el lanzamiento de Structured Outputs, que permite que una respuesta completa siga un JSON Schema proporcionado por el desarrollador, en lugar de depender únicamente de una solicitud de JSON válido.
Una aplicación útil consiste en extraer un conjunto definido de información de material no estructurado. Proporciona el texto o la imagen del documento, define los campos y explica cómo representar un valor ausente. Un ejemplo de solicitud es identificar el tema, las condiciones pertinentes y las preguntas abiertas de un documento en un esquema que pueda utilizar la siguiente etapa de la aplicación. Mantén visible en el resultado la diferencia entre la información expresada en la fuente y una inferencia.
Para una tarea visual, proporciona una captura de pantalla, fotografía o diagrama legible e identifica el detalle importante. Incluye el contexto necesario para interpretar el estado o la relación visibles. Para escribir, define el lector, el propósito, el tono y los hechos que deben conservarse. La salida directa del modelo es texto o texto estructurado, mientras que una herramienta puede realizar una operación independiente o crear otro resultado.
La guía de contexto del proveedor indica expresamente 128.000 tokens totales de contexto y una salida máxima de 16.384 tokens para gpt-4o-2024-08-06. Su ficha actual del modelo utiliza esta versión para los detalles publicados de GPT-4o e indica conocimientos actualizados hasta el 1 de octubre de 2023. El material de origen, la conversación y la respuesta solicitada comparten el presupuesto de contexto. Conserva los hechos anteriores útiles y deja espacio para el resultado completo.
OpenAI documenta transmisión en flujo, llamadas a funciones, Structured Outputs y ajuste fino para esta edición, y el registro de cambios de la API identifica el ajuste fino del modelo exacto del 6 de agosto. El conjunto de herramientas del proveedor para la familia incluye búsqueda en la web y en archivos, herramientas de generación de imágenes, interpretación de código y conexiones MCP. Las aplicaciones exponen sus operaciones, ejecutan sus acciones y devuelven resultados reales para una solicitud posterior. Una respuesta final estructurada y una solicitud de función cumplen funciones distintas.
Structured Outputs admite un subconjunto de JSON Schema, y las aplicaciones deben gestionar por separado los rechazos explícitos y las respuestas interrumpidas o incompletas. El proveedor también documenta Predicted Outputs para regenerar texto o código conocidos con pequeños cambios. Esa vía de predicción permite generar texto y excluye las llamadas a funciones; sus controles documentados difieren de los de una solicitud normal con herramientas.
Prepara un resultado final que pueda evaluarse frente a la fuente: campos extraídos, una respuesta propuesta, un documento editado o una explicación. Comprueba los hechos importantes y el formato, e indica cualquier condición que el material proporcionado no permita establecer. Una solicitud posterior centrada en un aspecto concreto puede revisar un campo, responder a una pregunta pendiente o mejorar el mismo resultado para su lector previsto.
", "aboutText": "GPT-4o (2024-08-06) es la versión de GPT-4o de OpenAI fechada el 6 de agosto. Acepta texto e imágenes y genera texto. OpenAI identifica esta edición exacta en el lanzamiento de Structured Outputs, que permite que una respuesta completa siga un JSON Schema proporcionado por el desarrollador, en lugar de depender únicamente de una solicitud de JSON válido.\n\nUna aplicación útil consiste en extraer un conjunto definido de información de material no estructurado. Proporciona el texto o la imagen del documento, define los campos y explica cómo representar un valor ausente. Un ejemplo de solicitud es identificar el tema, las condiciones pertinentes y las preguntas abiertas de un documento en un esquema que pueda utilizar la siguiente etapa de la aplicación. Mantén visible en el resultado la diferencia entre la información expresada en la fuente y una inferencia.\n\nPara una tarea visual, proporciona una captura de pantalla, fotografía o diagrama legible e identifica el detalle importante. Incluye el contexto necesario para interpretar el estado o la relación visibles. Para escribir, define el lector, el propósito, el tono y los hechos que deben conservarse. La salida directa del modelo es texto o texto estructurado, mientras que una herramienta puede realizar una operación independiente o crear otro resultado.\n\nLa guía de contexto del proveedor indica expresamente 128.000 tokens totales de contexto y una salida máxima de 16.384 tokens para gpt-4o-2024-08-06. Su ficha actual del modelo utiliza esta versión para los detalles publicados de GPT-4o e indica conocimientos actualizados hasta el 1 de octubre de 2023. El material de origen, la conversación y la respuesta solicitada comparten el presupuesto de contexto. Conserva los hechos anteriores útiles y deja espacio para el resultado completo.\n\nOpenAI documenta transmisión en flujo, llamadas a funciones, Structured Outputs y ajuste fino para esta edición, y el registro de cambios de la API identifica el ajuste fino del modelo exacto del 6 de agosto. El conjunto de herramientas del proveedor para la familia incluye búsqueda en la web y en archivos, herramientas de generación de imágenes, interpretación de código y conexiones MCP. Las aplicaciones exponen sus operaciones, ejecutan sus acciones y devuelven resultados reales para una solicitud posterior. Una respuesta final estructurada y una solicitud de función cumplen funciones distintas.\n\nStructured Outputs admite un subconjunto de JSON Schema, y las aplicaciones deben gestionar por separado los rechazos explícitos y las respuestas interrumpidas o incompletas. El proveedor también documenta Predicted Outputs para regenerar texto o código conocidos con pequeños cambios. Esa vía de predicción permite generar texto y excluye las llamadas a funciones; sus controles documentados difieren de los de una solicitud normal con herramientas.\n\nPrepara un resultado final que pueda evaluarse frente a la fuente: campos extraídos, una respuesta propuesta, un documento editado o una explicación. Comprueba los hechos importantes y el formato, e indica cualquier condición que el material proporcionado no permita establecer. Una solicitud posterior centrada en un aspecto concreto puede revisar un campo, responder a una pregunta pendiente o mejorar el mismo resultado para su lector previsto.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Extract a document record with unknowns\n\nExtract fields from this notice: “Case Q18 concerns a damaged parcel. The customer asks for a replacement. No delivery date is given.” Request a record containing case_id, topic, requested_remedy, delivery_date and evidence. Use null for an absent date and preserve the case identifier exactly. Do not infer shipment status.A structured text record with the five named fields, source evidence and an explicit missing date.Check each field against the notice and confirm that a replacement request is not recorded as an approved replacement.openai/gpt-4o-2024-08-06La versión de GPT-4o del 6 de agosto permite trabajar con texto e imágenes y utilizar Structured Outputs basados en esquemas. Úsala para extraer campos definidos, desarrollar una respuesta escrita o combinar el material de origen con resultados de las herramientas de la aplicación.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-4o (2024-08-06) es la versión de GPT-4o de OpenAI fechada el 6 de agosto. Acepta texto e imágenes y genera texto. OpenAI identifica esta edición exacta en el lanzamiento de Structured Outputs, que permite que una respuesta completa siga un JSON Schema proporcionado por el desarrollador, en lugar de depender únicamente de una solicitud de JSON válido.
Una aplicación útil consiste en extraer un conjunto definido de información de material no estructurado. Proporciona el texto o la imagen del documento, define los campos y explica cómo representar un valor ausente. Un ejemplo de solicitud es identificar el tema, las condiciones pertinentes y las preguntas abiertas de un documento en un esquema que pueda utilizar la siguiente etapa de la aplicación. Mantén visible en el resultado la diferencia entre la información expresada en la fuente y una inferencia.
Para una tarea visual, proporciona una captura de pantalla, fotografía o diagrama legible e identifica el detalle importante. Incluye el contexto necesario para interpretar el estado o la relación visibles. Para escribir, define el lector, el propósito, el tono y los hechos que deben conservarse. La salida directa del modelo es texto o texto estructurado, mientras que una herramienta puede realizar una operación independiente o crear otro resultado.
La guía de contexto del proveedor indica expresamente 128.000 tokens totales de contexto y una salida máxima de 16.384 tokens para gpt-4o-2024-08-06. Su ficha actual del modelo utiliza esta versión para los detalles publicados de GPT-4o e indica conocimientos actualizados hasta el 1 de octubre de 2023. El material de origen, la conversación y la respuesta solicitada comparten el presupuesto de contexto. Conserva los hechos anteriores útiles y deja espacio para el resultado completo.
OpenAI documenta transmisión en flujo, llamadas a funciones, Structured Outputs y ajuste fino para esta edición, y el registro de cambios de la API identifica el ajuste fino del modelo exacto del 6 de agosto. El conjunto de herramientas del proveedor para la familia incluye búsqueda en la web y en archivos, herramientas de generación de imágenes, interpretación de código y conexiones MCP. Las aplicaciones exponen sus operaciones, ejecutan sus acciones y devuelven resultados reales para una solicitud posterior. Una respuesta final estructurada y una solicitud de función cumplen funciones distintas.
Structured Outputs admite un subconjunto de JSON Schema, y las aplicaciones deben gestionar por separado los rechazos explícitos y las respuestas interrumpidas o incompletas. El proveedor también documenta Predicted Outputs para regenerar texto o código conocidos con pequeños cambios. Esa vía de predicción permite generar texto y excluye las llamadas a funciones; sus controles documentados difieren de los de una solicitud normal con herramientas.
Prepara un resultado final que pueda evaluarse frente a la fuente: campos extraídos, una respuesta propuesta, un documento editado o una explicación. Comprueba los hechos importantes y el formato, e indica cualquier condición que el material proporcionado no permita establecer. Una solicitud posterior centrada en un aspecto concreto puede revisar un campo, responder a una pregunta pendiente o mejorar el mismo resultado para su lector previsto.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-4o-2024-08-06 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.005 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.0025 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.005 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.0025 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-4o-2024-08-06", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-4o-2024-08-06',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-4o-2024-08-06',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 openai/gpt-4o-2024-08-06
Usa las rutas de método indicadas arriba.
openai/gpt-4o-2024-08-06La versión de GPT-4o del 6 de agosto permite trabajar con texto e imágenes y utilizar Structured Outputs basados en esquemas. Úsala para extraer campos definidos, desarrollar una respuesta escrita o combinar el material de origen con resultados de las herramientas de la aplicación.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-4o (2024-08-06) es la versión de GPT-4o de OpenAI fechada el 6 de agosto. Acepta texto e imágenes y genera texto. OpenAI identifica esta edición exacta en el lanzamiento de Structured Outputs, que permite que una respuesta completa siga un JSON Schema proporcionado por el desarrollador, en lugar de depender únicamente de una solicitud de JSON válido.
Una aplicación útil consiste en extraer un conjunto definido de información de material no estructurado. Proporciona el texto o la imagen del documento, define los campos y explica cómo representar un valor ausente. Un ejemplo de solicitud es identificar el tema, las condiciones pertinentes y las preguntas abiertas de un documento en un esquema que pueda utilizar la siguiente etapa de la aplicación. Mantén visible en el resultado la diferencia entre la información expresada en la fuente y una inferencia.
Para una tarea visual, proporciona una captura de pantalla, fotografía o diagrama legible e identifica el detalle importante. Incluye el contexto necesario para interpretar el estado o la relación visibles. Para escribir, define el lector, el propósito, el tono y los hechos que deben conservarse. La salida directa del modelo es texto o texto estructurado, mientras que una herramienta puede realizar una operación independiente o crear otro resultado.
La guía de contexto del proveedor indica expresamente 128.000 tokens totales de contexto y una salida máxima de 16.384 tokens para gpt-4o-2024-08-06. Su ficha actual del modelo utiliza esta versión para los detalles publicados de GPT-4o e indica conocimientos actualizados hasta el 1 de octubre de 2023. El material de origen, la conversación y la respuesta solicitada comparten el presupuesto de contexto. Conserva los hechos anteriores útiles y deja espacio para el resultado completo.
OpenAI documenta transmisión en flujo, llamadas a funciones, Structured Outputs y ajuste fino para esta edición, y el registro de cambios de la API identifica el ajuste fino del modelo exacto del 6 de agosto. El conjunto de herramientas del proveedor para la familia incluye búsqueda en la web y en archivos, herramientas de generación de imágenes, interpretación de código y conexiones MCP. Las aplicaciones exponen sus operaciones, ejecutan sus acciones y devuelven resultados reales para una solicitud posterior. Una respuesta final estructurada y una solicitud de función cumplen funciones distintas.
Structured Outputs admite un subconjunto de JSON Schema, y las aplicaciones deben gestionar por separado los rechazos explícitos y las respuestas interrumpidas o incompletas. El proveedor también documenta Predicted Outputs para regenerar texto o código conocidos con pequeños cambios. Esa vía de predicción permite generar texto y excluye las llamadas a funciones; sus controles documentados difieren de los de una solicitud normal con herramientas.
Prepara un resultado final que pueda evaluarse frente a la fuente: campos extraídos, una respuesta propuesta, un documento editado o una explicación. Comprueba los hechos importantes y el formato, e indica cualquier condición que el material proporcionado no permita establecer. Una solicitud posterior centrada en un aspecto concreto puede revisar un campo, responder a una pregunta pendiente o mejorar el mismo resultado para su lector previsto.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-4o-2024-08-06 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.005 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.0025 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.005 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.0025 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "openai/gpt-4o-2024-08-06",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-4o-2024-08-06', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-4o-2024-08-06', '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 openai/gpt-4o-2024-08-06
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Extract a document record with unknowns\n\nExtract fields from this notice: “Case Q18 concerns a damaged parcel. The customer asks for a replacement. No delivery date is given.” Request a record containing case_id, topic, requested_remedy, delivery_date and evidence. Use null for an absent date and preserve the case identifier exactly. Do not infer shipment status.A structured text record with the five named fields, source evidence and an explicit missing date.Check each field against the notice and confirm that a replacement request is not recorded as an approved replacement.