GPT-4 32K est le profil textuel de GPT-4 à contexte étendu d’OpenAI pour les tâches nécessitant davantage de contenu connexe dans une même requête. Le fabricant documente un contexte de 32 768 jetons, contre 8 192 jetons pour le profil GPT-4 d’origine. Il reçoit du texte et renvoie du texte, notamment des explications en langage naturel, des brouillons et du code. Sa distinction principale est le contexte plus grand, plutôt que la fenêtre de 128K ou les capacités multimodales des profils GPT-4 Turbo ultérieurs.
Fournissez les documents ou le code pertinents pour une tâche clairement formulée. Une comparaison d’exigences peut réunir plusieurs spécifications et demander quelles conditions concordent, lesquelles se contredisent et quelle source régit une décision. Attribuez un identifiant à chaque source et demandez le passage qui étaye un constat important. Réunir les éléments sources connexes peut aider le modèle à les comparer, tout en exigeant que le résultat conserve le lien entre une conclusion et sa source.
Pour une question sur une base de code, incluez les fonctions pertinentes, leurs appelants et le comportement étudié. Demandez une explication de la dépendance ou une modification ciblée liée à ce comportement. Le contexte plus grand peut contenir du code environnant utile, mais ne supprime pas la nécessité de définir la question ou le critère d’achèvement. Une proposition de code doit identifier le cas d’entrée qui la motive et le résultat attendu pouvant être vérifié.
La publication de GPT-4 décrit le pilotage par le message système : le développeur peut préciser la tâche, le ton et le style du modèle. Utilisez cette instruction pour établir si la réponse doit être une courte explication, une comparaison, un brouillon ou une fiche comportant des champs nommés. Définissez comment les informations manquantes doivent apparaître et distinguez les faits fournis des hypothèses. Une tâche de traitement de documents peut demander une liste de conditions, chacune accompagnée de l’identifiant source et du passage pertinent.
Maintenez ces instructions à mesure que la conversation évolue. Incluez le résultat antérieur réel lorsque la requête suivante le révise et précisez ce qui doit changer. Un suivi utile circonscrit un désaccord dans une comparaison ou demande une correction d’une partie d’un brouillon, plutôt que de supposer qu’une nouvelle consigne isolée préserve toute la tâche antérieure.
La mise à jour 0613 du fournisseur apporte les améliorations de l’appel de fonctions de GPT-4 à l’édition à contexte étendu. Le développeur décrit une fonction et ses paramètres, et le modèle peut renvoyer un objet JSON contenant les arguments de cette fonction. L’application exécute l’opération et fournit le résultat renvoyé. La capacité utile est une demande structurée liée au comportement de l’application, plutôt que l’exécution directe d’une action externe par le modèle.
Pour un assistant d’information, une fonction peut récupérer la fiche réelle nécessaire pour répondre à une question. Gardez l’identifiant demandé et la fiche renvoyée associés, puis demandez une réponse fondée sur ce résultat. Vérifiez si l’action proposée est justifiée par la demande de l’utilisateur et si la fonction l’a réellement exécutée. L’interface de fonctions mise à jour est distincte des ajouts ultérieurs du mode JSON et des appels parallèles de GPT-4 Turbo.
La publication originale de GPT-4 identifie les hallucinations factuelles, les erreurs de raisonnement et les connaissances limitées des événements plus récents comme des limites importantes. Fournissez des éléments sources actuels pour une question dont la réponse a changé et vérifiez les chiffres, les noms et le comportement du code importants au regard de la source. Une explication assurée peut malgré tout mal interpréter une condition ou introduire un défaut.
Gardez le résultat demandé proportionné à la tâche et au contexte disponible. Le chiffre 32K est une capacité de contexte, et non une promesse de réponse terminée aussi longue ou de compréhension parfaite de chaque passage inclus. Conservez ensemble le profil de modèle sélectionné, les instructions, le contenu source et le résultat. Cela rend une comparaison de longs documents, une explication de code ou un brouillon révisé assez concret pour être examiné et poursuivi.
", "aboutText": "GPT-4 32K est le profil textuel de GPT-4 à contexte étendu d’OpenAI pour les tâches nécessitant davantage de contenu connexe dans une même requête. Le fabricant documente un contexte de 32 768 jetons, contre 8 192 jetons pour le profil GPT-4 d’origine. Il reçoit du texte et renvoie du texte, notamment des explications en langage naturel, des brouillons et du code. Sa distinction principale est le contexte plus grand, plutôt que la fenêtre de 128K ou les capacités multimodales des profils GPT-4 Turbo ultérieurs.\n\n### Utiliser le contexte pour des éléments sources connexes\n\nFournissez les documents ou le code pertinents pour une tâche clairement formulée. Une comparaison d’exigences peut réunir plusieurs spécifications et demander quelles conditions concordent, lesquelles se contredisent et quelle source régit une décision. Attribuez un identifiant à chaque source et demandez le passage qui étaye un constat important. Réunir les éléments sources connexes peut aider le modèle à les comparer, tout en exigeant que le résultat conserve le lien entre une conclusion et sa source.\n\nPour une question sur une base de code, incluez les fonctions pertinentes, leurs appelants et le comportement étudié. Demandez une explication de la dépendance ou une modification ciblée liée à ce comportement. Le contexte plus grand peut contenir du code environnant utile, mais ne supprime pas la nécessité de définir la question ou le critère d’achèvement. Une proposition de code doit identifier le cas d’entrée qui la motive et le résultat attendu pouvant être vérifié.\n\n### Préciser la tâche et le style de réponse\n\nLa publication de GPT-4 décrit le pilotage par le message système : le développeur peut préciser la tâche, le ton et le style du modèle. Utilisez cette instruction pour établir si la réponse doit être une courte explication, une comparaison, un brouillon ou une fiche comportant des champs nommés. Définissez comment les informations manquantes doivent apparaître et distinguez les faits fournis des hypothèses. Une tâche de traitement de documents peut demander une liste de conditions, chacune accompagnée de l’identifiant source et du passage pertinent.\n\nMaintenez ces instructions à mesure que la conversation évolue. Incluez le résultat antérieur réel lorsque la requête suivante le révise et précisez ce qui doit changer. Un suivi utile circonscrit un désaccord dans une comparaison ou demande une correction d’une partie d’un brouillon, plutôt que de supposer qu’une nouvelle consigne isolée préserve toute la tâche antérieure.\n\n### L’appel de fonctions dans la gamme 32K mise à jour\n\nLa mise à jour 0613 du fournisseur apporte les améliorations de l’appel de fonctions de GPT-4 à l’édition à contexte étendu. Le développeur décrit une fonction et ses paramètres, et le modèle peut renvoyer un objet JSON contenant les arguments de cette fonction. L’application exécute l’opération et fournit le résultat renvoyé. La capacité utile est une demande structurée liée au comportement de l’application, plutôt que l’exécution directe d’une action externe par le modèle.\n\nPour un assistant d’information, une fonction peut récupérer la fiche réelle nécessaire pour répondre à une question. Gardez l’identifiant demandé et la fiche renvoyée associés, puis demandez une réponse fondée sur ce résultat. Vérifiez si l’action proposée est justifiée par la demande de l’utilisateur et si la fonction l’a réellement exécutée. L’interface de fonctions mise à jour est distincte des ajouts ultérieurs du mode JSON et des appels parallèles de GPT-4 Turbo.\n\n### Examiner la réponse au regard du contenu\n\nLa publication originale de GPT-4 identifie les hallucinations factuelles, les erreurs de raisonnement et les connaissances limitées des événements plus récents comme des limites importantes. Fournissez des éléments sources actuels pour une question dont la réponse a changé et vérifiez les chiffres, les noms et le comportement du code importants au regard de la source. Une explication assurée peut malgré tout mal interpréter une condition ou introduire un défaut.\n\nGardez le résultat demandé proportionné à la tâche et au contexte disponible. Le chiffre 32K est une capacité de contexte, et non une promesse de réponse terminée aussi longue ou de compréhension parfaite de chaque passage inclus. Conservez ensemble le profil de modèle sélectionné, les instructions, le contenu source et le résultat. Cela rend une comparaison de longs documents, une explication de code ou un brouillon révisé assez concret pour être examiné et poursuivi.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Compare requirements using a precedence rule\n\nCompare three labelled specifications. BASE: exports include all orders and run nightly. ADDENDUM: exports include paid orders only; cadence is unchanged. OPERATIONS: exports run hourly. The signed ADDENDUM overrides BASE, while OPERATIONS is an unsigned proposal. Produce the effective requirements and unresolved proposal, citing the governing source for each.An effective-requirements table plus a separate unresolved-proposal entry with source references.Paid orders and nightly cadence are retained as effective; hourly cadence remains an unsigned proposal.gpt-4-32k-0613GPT-4 32K est le profil textuel de GPT-4 à contexte étendu pour travailler sur de plus grands ensembles de documents ou de code. Son contexte documenté de 32 768 jetons permet de réunir des contenus connexes dans une même tâche, avec des instructions système guidant la réponse et l’appel de fonctions documenté dans l’édition 0613 mise à jour.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4 32K est le profil textuel de GPT-4 à contexte étendu d’OpenAI pour les tâches nécessitant davantage de contenu connexe dans une même requête. Le fabricant documente un contexte de 32 768 jetons, contre 8 192 jetons pour le profil GPT-4 d’origine. Il reçoit du texte et renvoie du texte, notamment des explications en langage naturel, des brouillons et du code. Sa distinction principale est le contexte plus grand, plutôt que la fenêtre de 128K ou les capacités multimodales des profils GPT-4 Turbo ultérieurs.
Fournissez les documents ou le code pertinents pour une tâche clairement formulée. Une comparaison d’exigences peut réunir plusieurs spécifications et demander quelles conditions concordent, lesquelles se contredisent et quelle source régit une décision. Attribuez un identifiant à chaque source et demandez le passage qui étaye un constat important. Réunir les éléments sources connexes peut aider le modèle à les comparer, tout en exigeant que le résultat conserve le lien entre une conclusion et sa source.
Pour une question sur une base de code, incluez les fonctions pertinentes, leurs appelants et le comportement étudié. Demandez une explication de la dépendance ou une modification ciblée liée à ce comportement. Le contexte plus grand peut contenir du code environnant utile, mais ne supprime pas la nécessité de définir la question ou le critère d’achèvement. Une proposition de code doit identifier le cas d’entrée qui la motive et le résultat attendu pouvant être vérifié.
La publication de GPT-4 décrit le pilotage par le message système : le développeur peut préciser la tâche, le ton et le style du modèle. Utilisez cette instruction pour établir si la réponse doit être une courte explication, une comparaison, un brouillon ou une fiche comportant des champs nommés. Définissez comment les informations manquantes doivent apparaître et distinguez les faits fournis des hypothèses. Une tâche de traitement de documents peut demander une liste de conditions, chacune accompagnée de l’identifiant source et du passage pertinent.
Maintenez ces instructions à mesure que la conversation évolue. Incluez le résultat antérieur réel lorsque la requête suivante le révise et précisez ce qui doit changer. Un suivi utile circonscrit un désaccord dans une comparaison ou demande une correction d’une partie d’un brouillon, plutôt que de supposer qu’une nouvelle consigne isolée préserve toute la tâche antérieure.
La mise à jour 0613 du fournisseur apporte les améliorations de l’appel de fonctions de GPT-4 à l’édition à contexte étendu. Le développeur décrit une fonction et ses paramètres, et le modèle peut renvoyer un objet JSON contenant les arguments de cette fonction. L’application exécute l’opération et fournit le résultat renvoyé. La capacité utile est une demande structurée liée au comportement de l’application, plutôt que l’exécution directe d’une action externe par le modèle.
Pour un assistant d’information, une fonction peut récupérer la fiche réelle nécessaire pour répondre à une question. Gardez l’identifiant demandé et la fiche renvoyée associés, puis demandez une réponse fondée sur ce résultat. Vérifiez si l’action proposée est justifiée par la demande de l’utilisateur et si la fonction l’a réellement exécutée. L’interface de fonctions mise à jour est distincte des ajouts ultérieurs du mode JSON et des appels parallèles de GPT-4 Turbo.
La publication originale de GPT-4 identifie les hallucinations factuelles, les erreurs de raisonnement et les connaissances limitées des événements plus récents comme des limites importantes. Fournissez des éléments sources actuels pour une question dont la réponse a changé et vérifiez les chiffres, les noms et le comportement du code importants au regard de la source. Une explication assurée peut malgré tout mal interpréter une condition ou introduire un défaut.
Gardez le résultat demandé proportionné à la tâche et au contexte disponible. Le chiffre 32K est une capacité de contexte, et non une promesse de réponse terminée aussi longue ou de compréhension parfaite de chaque passage inclus. Conservez ensemble le profil de modèle sélectionné, les instructions, le contenu source et le résultat. Cela rend une comparaison de longs documents, une explication de code ou un brouillon révisé assez concret pour être examiné et poursuivi.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-4-32k-0613 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.12 / 1K jetons Sortie · Jetons en sortie $0.24 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-4-32k-0613", "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-4-32k-0613',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-4-32k-0613',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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-4-32k-0613
Utilisez les chemins de méthode indiqués ci-dessus.
gpt-4-32k-0613GPT-4 32K est le profil textuel de GPT-4 à contexte étendu pour travailler sur de plus grands ensembles de documents ou de code. Son contexte documenté de 32 768 jetons permet de réunir des contenus connexes dans une même tâche, avec des instructions système guidant la réponse et l’appel de fonctions documenté dans l’édition 0613 mise à jour.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4 32K est le profil textuel de GPT-4 à contexte étendu d’OpenAI pour les tâches nécessitant davantage de contenu connexe dans une même requête. Le fabricant documente un contexte de 32 768 jetons, contre 8 192 jetons pour le profil GPT-4 d’origine. Il reçoit du texte et renvoie du texte, notamment des explications en langage naturel, des brouillons et du code. Sa distinction principale est le contexte plus grand, plutôt que la fenêtre de 128K ou les capacités multimodales des profils GPT-4 Turbo ultérieurs.
Fournissez les documents ou le code pertinents pour une tâche clairement formulée. Une comparaison d’exigences peut réunir plusieurs spécifications et demander quelles conditions concordent, lesquelles se contredisent et quelle source régit une décision. Attribuez un identifiant à chaque source et demandez le passage qui étaye un constat important. Réunir les éléments sources connexes peut aider le modèle à les comparer, tout en exigeant que le résultat conserve le lien entre une conclusion et sa source.
Pour une question sur une base de code, incluez les fonctions pertinentes, leurs appelants et le comportement étudié. Demandez une explication de la dépendance ou une modification ciblée liée à ce comportement. Le contexte plus grand peut contenir du code environnant utile, mais ne supprime pas la nécessité de définir la question ou le critère d’achèvement. Une proposition de code doit identifier le cas d’entrée qui la motive et le résultat attendu pouvant être vérifié.
La publication de GPT-4 décrit le pilotage par le message système : le développeur peut préciser la tâche, le ton et le style du modèle. Utilisez cette instruction pour établir si la réponse doit être une courte explication, une comparaison, un brouillon ou une fiche comportant des champs nommés. Définissez comment les informations manquantes doivent apparaître et distinguez les faits fournis des hypothèses. Une tâche de traitement de documents peut demander une liste de conditions, chacune accompagnée de l’identifiant source et du passage pertinent.
Maintenez ces instructions à mesure que la conversation évolue. Incluez le résultat antérieur réel lorsque la requête suivante le révise et précisez ce qui doit changer. Un suivi utile circonscrit un désaccord dans une comparaison ou demande une correction d’une partie d’un brouillon, plutôt que de supposer qu’une nouvelle consigne isolée préserve toute la tâche antérieure.
La mise à jour 0613 du fournisseur apporte les améliorations de l’appel de fonctions de GPT-4 à l’édition à contexte étendu. Le développeur décrit une fonction et ses paramètres, et le modèle peut renvoyer un objet JSON contenant les arguments de cette fonction. L’application exécute l’opération et fournit le résultat renvoyé. La capacité utile est une demande structurée liée au comportement de l’application, plutôt que l’exécution directe d’une action externe par le modèle.
Pour un assistant d’information, une fonction peut récupérer la fiche réelle nécessaire pour répondre à une question. Gardez l’identifiant demandé et la fiche renvoyée associés, puis demandez une réponse fondée sur ce résultat. Vérifiez si l’action proposée est justifiée par la demande de l’utilisateur et si la fonction l’a réellement exécutée. L’interface de fonctions mise à jour est distincte des ajouts ultérieurs du mode JSON et des appels parallèles de GPT-4 Turbo.
La publication originale de GPT-4 identifie les hallucinations factuelles, les erreurs de raisonnement et les connaissances limitées des événements plus récents comme des limites importantes. Fournissez des éléments sources actuels pour une question dont la réponse a changé et vérifiez les chiffres, les noms et le comportement du code importants au regard de la source. Une explication assurée peut malgré tout mal interpréter une condition ou introduire un défaut.
Gardez le résultat demandé proportionné à la tâche et au contexte disponible. Le chiffre 32K est une capacité de contexte, et non une promesse de réponse terminée aussi longue ou de compréhension parfaite de chaque passage inclus. Conservez ensemble le profil de modèle sélectionné, les instructions, le contenu source et le résultat. Cela rend une comparaison de longs documents, une explication de code ou un brouillon révisé assez concret pour être examiné et poursuivi.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-4-32k-0613 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.12 / 1K jetons Sortie · Jetons en sortie $0.24 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gpt-4-32k-0613",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-32k-0613', '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-4-32k-0613', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-4-32k-0613
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Compare requirements using a precedence rule\n\nCompare three labelled specifications. BASE: exports include all orders and run nightly. ADDENDUM: exports include paid orders only; cadence is unchanged. OPERATIONS: exports run hourly. The signed ADDENDUM overrides BASE, while OPERATIONS is an unsigned proposal. Produce the effective requirements and unresolved proposal, citing the governing source for each.An effective-requirements table plus a separate unresolved-proposal entry with source references.Paid orders and nightly cadence are retained as effective; hourly cadence remains an unsigned proposal.