GPT-4o (2024-08-06) est la version GPT-4o datée du 6 août d’OpenAI. Elle accepte du texte et des images et produit du texte. OpenAI nomme cette édition exacte lors du lancement de Structured Outputs, qui permet à une réponse terminée de suivre un JSON Schema fourni par le développeur plutôt que de s’appuyer uniquement sur une demande de JSON valide.
Une application utile consiste à extraire un ensemble défini d’informations d’éléments non structurés. Fournissez le texte ou l’image du document, définissez les champs et expliquez comment représenter une valeur manquante. Une demande peut par exemple consister à identifier le sujet d’un document, les conditions pertinentes et les questions ouvertes dans un schéma utilisable par l’étape suivante de l’application. Gardez visible dans le résultat la distinction entre les informations énoncées par la source et une déduction.
Pour une tâche visuelle, fournissez une capture d’écran, une photographie ou un schéma lisible et identifiez le détail qui importe. Incluez le contexte nécessaire pour interpréter l’état ou la relation visible. Pour la rédaction, définissez le lecteur, l’objectif, le ton et les faits à préserver. La sortie directe du modèle est textuelle ou structurée en texte, tandis qu’un outil peut effectuer une opération distincte ou créer un autre livrable.
Le guide de contexte du fournisseur indique explicitement un total de 128 000 jetons de contexte et une sortie maximale de 16 384 jetons pour gpt-4o-2024-08-06. Sa fiche actuelle du modèle utilise cette version pour les détails publiés de GPT-4o et donne une date limite des connaissances au 1er octobre 2023. Les sources, la conversation et la réponse demandée partagent le budget de contexte. Préservez les faits antérieurs utiles et laissez de la place pour le résultat complet.
OpenAI documente la diffusion en continu, l’appel de fonctions, Structured Outputs et l’ajustement fin pour cette édition, le journal des modifications de l’API nommant le modèle exact du 6 août pour l’ajustement fin. L’ensemble d’outils du fournisseur pour la famille comprend la recherche sur le Web et dans les fichiers, les outils de génération d’images, l’interprétation de code et les connexions MCP. Les applications exposent leurs opérations, exécutent leurs actions et renvoient les résultats réels pour un échange suivant. Une réponse finale structurée et une demande d’appel de fonction ont des rôles distincts.
Structured Outputs prend en charge un sous-ensemble de JSON Schema, et les applications doivent traiter séparément les refus explicites et les réponses interrompues ou incomplètes. Le fournisseur documente également Predicted Outputs pour régénérer du texte ou du code connu avec des modifications mineures. Ce parcours de prédiction prend en charge la sortie textuelle et exclut l’appel de fonctions ; ses contrôles documentés diffèrent d’une requête ordinaire utilisant des outils.
Préparez un livrable final pouvant être évalué au regard de la source : des champs extraits, une proposition de réponse, un document modifié ou une explication. Vérifiez les faits importants ainsi que le format et indiquez toute condition que les éléments fournis n’établissent pas. Un échange suivant ciblé peut alors réviser un champ, répondre à une question manquante ou affiner le même résultat pour le lecteur visé.
", "aboutText": "GPT-4o (2024-08-06) est la version GPT-4o datée du 6 août d’OpenAI. Elle accepte du texte et des images et produit du texte. OpenAI nomme cette édition exacte lors du lancement de Structured Outputs, qui permet à une réponse terminée de suivre un JSON Schema fourni par le développeur plutôt que de s’appuyer uniquement sur une demande de JSON valide.\n\nUne application utile consiste à extraire un ensemble défini d’informations d’éléments non structurés. Fournissez le texte ou l’image du document, définissez les champs et expliquez comment représenter une valeur manquante. Une demande peut par exemple consister à identifier le sujet d’un document, les conditions pertinentes et les questions ouvertes dans un schéma utilisable par l’étape suivante de l’application. Gardez visible dans le résultat la distinction entre les informations énoncées par la source et une déduction.\n\nPour une tâche visuelle, fournissez une capture d’écran, une photographie ou un schéma lisible et identifiez le détail qui importe. Incluez le contexte nécessaire pour interpréter l’état ou la relation visible. Pour la rédaction, définissez le lecteur, l’objectif, le ton et les faits à préserver. La sortie directe du modèle est textuelle ou structurée en texte, tandis qu’un outil peut effectuer une opération distincte ou créer un autre livrable.\n\nLe guide de contexte du fournisseur indique explicitement un total de 128 000 jetons de contexte et une sortie maximale de 16 384 jetons pour gpt-4o-2024-08-06. Sa fiche actuelle du modèle utilise cette version pour les détails publiés de GPT-4o et donne une date limite des connaissances au 1er octobre 2023. Les sources, la conversation et la réponse demandée partagent le budget de contexte. Préservez les faits antérieurs utiles et laissez de la place pour le résultat complet.\n\nOpenAI documente la diffusion en continu, l’appel de fonctions, Structured Outputs et l’ajustement fin pour cette édition, le journal des modifications de l’API nommant le modèle exact du 6 août pour l’ajustement fin. L’ensemble d’outils du fournisseur pour la famille comprend la recherche sur le Web et dans les fichiers, les outils de génération d’images, l’interprétation de code et les connexions MCP. Les applications exposent leurs opérations, exécutent leurs actions et renvoient les résultats réels pour un échange suivant. Une réponse finale structurée et une demande d’appel de fonction ont des rôles distincts.\n\nStructured Outputs prend en charge un sous-ensemble de JSON Schema, et les applications doivent traiter séparément les refus explicites et les réponses interrompues ou incomplètes. Le fournisseur documente également Predicted Outputs pour régénérer du texte ou du code connu avec des modifications mineures. Ce parcours de prédiction prend en charge la sortie textuelle et exclut l’appel de fonctions ; ses contrôles documentés diffèrent d’une requête ordinaire utilisant des outils.\n\nPréparez un livrable final pouvant être évalué au regard de la source : des champs extraits, une proposition de réponse, un document modifié ou une explication. Vérifiez les faits importants ainsi que le format et indiquez toute condition que les éléments fournis n’établissent pas. Un échange suivant ciblé peut alors réviser un champ, répondre à une question manquante ou affiner le même résultat pour le lecteur visé.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 version GPT-4o du 6 août prend en charge les tâches textuelles et visuelles et Structured Outputs fondé sur un schéma. Utilisez-la pour extraire des champs définis, élaborer une réponse écrite ou combiner les sources avec les résultats des outils de l’application.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4o (2024-08-06) est la version GPT-4o datée du 6 août d’OpenAI. Elle accepte du texte et des images et produit du texte. OpenAI nomme cette édition exacte lors du lancement de Structured Outputs, qui permet à une réponse terminée de suivre un JSON Schema fourni par le développeur plutôt que de s’appuyer uniquement sur une demande de JSON valide.
Une application utile consiste à extraire un ensemble défini d’informations d’éléments non structurés. Fournissez le texte ou l’image du document, définissez les champs et expliquez comment représenter une valeur manquante. Une demande peut par exemple consister à identifier le sujet d’un document, les conditions pertinentes et les questions ouvertes dans un schéma utilisable par l’étape suivante de l’application. Gardez visible dans le résultat la distinction entre les informations énoncées par la source et une déduction.
Pour une tâche visuelle, fournissez une capture d’écran, une photographie ou un schéma lisible et identifiez le détail qui importe. Incluez le contexte nécessaire pour interpréter l’état ou la relation visible. Pour la rédaction, définissez le lecteur, l’objectif, le ton et les faits à préserver. La sortie directe du modèle est textuelle ou structurée en texte, tandis qu’un outil peut effectuer une opération distincte ou créer un autre livrable.
Le guide de contexte du fournisseur indique explicitement un total de 128 000 jetons de contexte et une sortie maximale de 16 384 jetons pour gpt-4o-2024-08-06. Sa fiche actuelle du modèle utilise cette version pour les détails publiés de GPT-4o et donne une date limite des connaissances au 1er octobre 2023. Les sources, la conversation et la réponse demandée partagent le budget de contexte. Préservez les faits antérieurs utiles et laissez de la place pour le résultat complet.
OpenAI documente la diffusion en continu, l’appel de fonctions, Structured Outputs et l’ajustement fin pour cette édition, le journal des modifications de l’API nommant le modèle exact du 6 août pour l’ajustement fin. L’ensemble d’outils du fournisseur pour la famille comprend la recherche sur le Web et dans les fichiers, les outils de génération d’images, l’interprétation de code et les connexions MCP. Les applications exposent leurs opérations, exécutent leurs actions et renvoient les résultats réels pour un échange suivant. Une réponse finale structurée et une demande d’appel de fonction ont des rôles distincts.
Structured Outputs prend en charge un sous-ensemble de JSON Schema, et les applications doivent traiter séparément les refus explicites et les réponses interrompues ou incomplètes. Le fournisseur documente également Predicted Outputs pour régénérer du texte ou du code connu avec des modifications mineures. Ce parcours de prédiction prend en charge la sortie textuelle et exclut l’appel de fonctions ; ses contrôles documentés diffèrent d’une requête ordinaire utilisant des outils.
Préparez un livrable final pouvant être évalué au regard de la source : des champs extraits, une proposition de réponse, un document modifié ou une explication. Vérifiez les faits importants ainsi que le format et indiquez toute condition que les éléments fournis n’établissent pas. Un échange suivant ciblé peut alors réviser un champ, répondre à une question manquante ou affiner le même résultat pour le lecteur visé.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-4o-2024-08-06 | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.005 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.0025 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.005 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.0025 / 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": "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 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 openai/gpt-4o-2024-08-06
Utilisez les chemins de méthode indiqués ci-dessus.
openai/gpt-4o-2024-08-06La version GPT-4o du 6 août prend en charge les tâches textuelles et visuelles et Structured Outputs fondé sur un schéma. Utilisez-la pour extraire des champs définis, élaborer une réponse écrite ou combiner les sources avec les résultats des outils de l’application.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4o (2024-08-06) est la version GPT-4o datée du 6 août d’OpenAI. Elle accepte du texte et des images et produit du texte. OpenAI nomme cette édition exacte lors du lancement de Structured Outputs, qui permet à une réponse terminée de suivre un JSON Schema fourni par le développeur plutôt que de s’appuyer uniquement sur une demande de JSON valide.
Une application utile consiste à extraire un ensemble défini d’informations d’éléments non structurés. Fournissez le texte ou l’image du document, définissez les champs et expliquez comment représenter une valeur manquante. Une demande peut par exemple consister à identifier le sujet d’un document, les conditions pertinentes et les questions ouvertes dans un schéma utilisable par l’étape suivante de l’application. Gardez visible dans le résultat la distinction entre les informations énoncées par la source et une déduction.
Pour une tâche visuelle, fournissez une capture d’écran, une photographie ou un schéma lisible et identifiez le détail qui importe. Incluez le contexte nécessaire pour interpréter l’état ou la relation visible. Pour la rédaction, définissez le lecteur, l’objectif, le ton et les faits à préserver. La sortie directe du modèle est textuelle ou structurée en texte, tandis qu’un outil peut effectuer une opération distincte ou créer un autre livrable.
Le guide de contexte du fournisseur indique explicitement un total de 128 000 jetons de contexte et une sortie maximale de 16 384 jetons pour gpt-4o-2024-08-06. Sa fiche actuelle du modèle utilise cette version pour les détails publiés de GPT-4o et donne une date limite des connaissances au 1er octobre 2023. Les sources, la conversation et la réponse demandée partagent le budget de contexte. Préservez les faits antérieurs utiles et laissez de la place pour le résultat complet.
OpenAI documente la diffusion en continu, l’appel de fonctions, Structured Outputs et l’ajustement fin pour cette édition, le journal des modifications de l’API nommant le modèle exact du 6 août pour l’ajustement fin. L’ensemble d’outils du fournisseur pour la famille comprend la recherche sur le Web et dans les fichiers, les outils de génération d’images, l’interprétation de code et les connexions MCP. Les applications exposent leurs opérations, exécutent leurs actions et renvoient les résultats réels pour un échange suivant. Une réponse finale structurée et une demande d’appel de fonction ont des rôles distincts.
Structured Outputs prend en charge un sous-ensemble de JSON Schema, et les applications doivent traiter séparément les refus explicites et les réponses interrompues ou incomplètes. Le fournisseur documente également Predicted Outputs pour régénérer du texte ou du code connu avec des modifications mineures. Ce parcours de prédiction prend en charge la sortie textuelle et exclut l’appel de fonctions ; ses contrôles documentés diffèrent d’une requête ordinaire utilisant des outils.
Préparez un livrable final pouvant être évalué au regard de la source : des champs extraits, une proposition de réponse, un document modifié ou une explication. Vérifiez les faits importants ainsi que le format et indiquez toute condition que les éléments fournis n’établissent pas. Un échange suivant ciblé peut alors réviser un champ, répondre à une question manquante ou affiner le même résultat pour le lecteur visé.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-4o-2024-08-06 | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.005 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.0025 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.005 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.0025 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "openai/gpt-4o-2024-08-06",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 openai/gpt-4o-2024-08-06
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.