GPT-4o Mini (2024-07-18) est la petite édition datée du 18 juillet d’OpenAI pour les tâches textuelles et visuelles ciblées. Elle accepte du texte et des images et produit du texte, notamment avec Structured Outputs. Le fournisseur décrit des processus avec des appels de modèles enchaînés ou parallèles, un contexte substantiel de conversation ou de documents et des réponses textuelles concises destinées aux clients.
Une tâche peut par exemple consister à traiter une demande selon un ensemble cohérent de règles. Fournissez le message, les informations de référence pertinentes et les exigences de la réponse. Demandez le sujet, les faits établis et une proposition de réponse concise. Pour une extraction, définissez les champs requis et la représentation d’une valeur absente. La présentation du fabricant décrit les données structurées issues de documents et les réponses éclairées par l’historique d’un fil comme des applications utiles.
Une entrée visuelle peut ajouter une capture d’écran ou une page de document à la demande écrite. Identifiez le libellé, l’état ou le détail qui doit éclairer la réponse et fournissez le contexte absent de l’image. La présentation décrit la même étendue linguistique que GPT-4o, avec le raisonnement textuel et visuel, les mathématiques et la programmation. Pour une modification sous contraintes ou une question de code, précisez l’opération et les faits ou comportements à maintenir.
La fiche exacte du modèle d’OpenAI indique une fenêtre de contexte de 128 000 jetons, une sortie maximale de 16 384 jetons et une date limite des connaissances au 1er octobre 2023. Les sources et la réponse générée partagent la fenêtre disponible. La version du 18 juillet est répertoriée séparément des éditions GPT-4o complètes, en préservant son identité de modèle et ses limites propres.
Le fournisseur documente la diffusion en continu, l’appel de fonctions, Structured Outputs, les fichiers et images en entrée et la recherche, l’ajustement fin et Predicted Outputs. Son ensemble d’outils répertorié comprend les fonctions, la recherche sur le Web et dans les fichiers, la génération d’images, l’interprétation de code et les connexions MCP. Les outils sont des opérations distinctes : une application les expose, exécute ses actions et renvoie les résultats réels. Le fournisseur décrit également l’ajustement fin de ce modèle pour les tâches spécialisées, sans transformer une requête existante en un modèle nouvellement entraîné.
Les recommandations Structured Outputs nomment explicitement gpt-4o-mini-2024-07-18 et prennent en charge un sous-ensemble de JSON Schema. Gérez un refus ou une réponse incomplète séparément d’un résultat structuré terminé et vérifiez les valeurs extraites au regard des sources. Predicted Outputs peut utiliser du texte largement connu lors de la régénération d’un document ou d’un fichier de code ; le parcours de prédiction est uniquement textuel et ne se combine pas avec l’appel de fonctions.
Définissez un livrable final utile : une réponse courte, une liste d’actions, un passage modifié ou un ensemble de champs pour l’étape suivante. Gardez les règles cohérentes pour les entrées répétées et transmettez les faits antérieurs significatifs dans un échange suivant. Une réponse est utile lorsque son contenu, son format et l’action suivante proposée restent reliés à la tâche et aux preuves fournies.
", "aboutText": "GPT-4o Mini (2024-07-18) est la petite édition datée du 18 juillet d’OpenAI pour les tâches textuelles et visuelles ciblées. Elle accepte du texte et des images et produit du texte, notamment avec Structured Outputs. Le fournisseur décrit des processus avec des appels de modèles enchaînés ou parallèles, un contexte substantiel de conversation ou de documents et des réponses textuelles concises destinées aux clients.\n\nUne tâche peut par exemple consister à traiter une demande selon un ensemble cohérent de règles. Fournissez le message, les informations de référence pertinentes et les exigences de la réponse. Demandez le sujet, les faits établis et une proposition de réponse concise. Pour une extraction, définissez les champs requis et la représentation d’une valeur absente. La présentation du fabricant décrit les données structurées issues de documents et les réponses éclairées par l’historique d’un fil comme des applications utiles.\n\nUne entrée visuelle peut ajouter une capture d’écran ou une page de document à la demande écrite. Identifiez le libellé, l’état ou le détail qui doit éclairer la réponse et fournissez le contexte absent de l’image. La présentation décrit la même étendue linguistique que GPT-4o, avec le raisonnement textuel et visuel, les mathématiques et la programmation. Pour une modification sous contraintes ou une question de code, précisez l’opération et les faits ou comportements à maintenir.\n\nLa fiche exacte du modèle d’OpenAI indique une fenêtre de contexte de 128 000 jetons, une sortie maximale de 16 384 jetons et une date limite des connaissances au 1er octobre 2023. Les sources et la réponse générée partagent la fenêtre disponible. La version du 18 juillet est répertoriée séparément des éditions GPT-4o complètes, en préservant son identité de modèle et ses limites propres.\n\nLe fournisseur documente la diffusion en continu, l’appel de fonctions, Structured Outputs, les fichiers et images en entrée et la recherche, l’ajustement fin et Predicted Outputs. Son ensemble d’outils répertorié comprend les fonctions, la recherche sur le Web et dans les fichiers, la génération d’images, l’interprétation de code et les connexions MCP. Les outils sont des opérations distinctes : une application les expose, exécute ses actions et renvoie les résultats réels. Le fournisseur décrit également l’ajustement fin de ce modèle pour les tâches spécialisées, sans transformer une requête existante en un modèle nouvellement entraîné.\n\nLes recommandations Structured Outputs nomment explicitement gpt-4o-mini-2024-07-18 et prennent en charge un sous-ensemble de JSON Schema. Gérez un refus ou une réponse incomplète séparément d’un résultat structuré terminé et vérifiez les valeurs extraites au regard des sources. Predicted Outputs peut utiliser du texte largement connu lors de la régénération d’un document ou d’un fichier de code ; le parcours de prédiction est uniquement textuel et ne se combine pas avec l’appel de fonctions.\n\nDéfinissez un livrable final utile : une réponse courte, une liste d’actions, un passage modifié ou un ensemble de champs pour l’étape suivante. Gardez les règles cohérentes pour les entrées répétées et transmettez les faits antérieurs significatifs dans un échange suivant. Une réponse est utile lorsque son contenu, son format et l’action suivante proposée restent reliés à la tâche et aux preuves fournies.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Extract fields from a service thread\n\nExtract a service record from this thread: M1: 'My order Q-81 arrived with one blue mug missing.' M2: 'We can send a replacement; please confirm your address.' M3: 'The address is unchanged.' Return order ID, missing item, proposed remedy and whether shipment is confirmed. Preserve message labels as evidence.A four-field service record with supporting message labels and distinct proposal versus confirmation status.A proposed replacement must not be reported as a shipped replacement.openai/gpt-4o-mini-2024-07-18La version GPT-4o Mini du 18 juillet est un petit modèle de texte et d’image pour les travaux ciblés. Elle prend en charge la diffusion en continu, l’appel de fonctions et Structured Outputs pour des tâches comme l’extraction documentaire, les réponses courtes et le traitement répété.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4o Mini (2024-07-18) est la petite édition datée du 18 juillet d’OpenAI pour les tâches textuelles et visuelles ciblées. Elle accepte du texte et des images et produit du texte, notamment avec Structured Outputs. Le fournisseur décrit des processus avec des appels de modèles enchaînés ou parallèles, un contexte substantiel de conversation ou de documents et des réponses textuelles concises destinées aux clients.
Une tâche peut par exemple consister à traiter une demande selon un ensemble cohérent de règles. Fournissez le message, les informations de référence pertinentes et les exigences de la réponse. Demandez le sujet, les faits établis et une proposition de réponse concise. Pour une extraction, définissez les champs requis et la représentation d’une valeur absente. La présentation du fabricant décrit les données structurées issues de documents et les réponses éclairées par l’historique d’un fil comme des applications utiles.
Une entrée visuelle peut ajouter une capture d’écran ou une page de document à la demande écrite. Identifiez le libellé, l’état ou le détail qui doit éclairer la réponse et fournissez le contexte absent de l’image. La présentation décrit la même étendue linguistique que GPT-4o, avec le raisonnement textuel et visuel, les mathématiques et la programmation. Pour une modification sous contraintes ou une question de code, précisez l’opération et les faits ou comportements à maintenir.
La fiche exacte du modèle d’OpenAI indique une fenêtre de contexte de 128 000 jetons, une sortie maximale de 16 384 jetons et une date limite des connaissances au 1er octobre 2023. Les sources et la réponse générée partagent la fenêtre disponible. La version du 18 juillet est répertoriée séparément des éditions GPT-4o complètes, en préservant son identité de modèle et ses limites propres.
Le fournisseur documente la diffusion en continu, l’appel de fonctions, Structured Outputs, les fichiers et images en entrée et la recherche, l’ajustement fin et Predicted Outputs. Son ensemble d’outils répertorié comprend les fonctions, la recherche sur le Web et dans les fichiers, la génération d’images, l’interprétation de code et les connexions MCP. Les outils sont des opérations distinctes : une application les expose, exécute ses actions et renvoie les résultats réels. Le fournisseur décrit également l’ajustement fin de ce modèle pour les tâches spécialisées, sans transformer une requête existante en un modèle nouvellement entraîné.
Les recommandations Structured Outputs nomment explicitement gpt-4o-mini-2024-07-18 et prennent en charge un sous-ensemble de JSON Schema. Gérez un refus ou une réponse incomplète séparément d’un résultat structuré terminé et vérifiez les valeurs extraites au regard des sources. Predicted Outputs peut utiliser du texte largement connu lors de la régénération d’un document ou d’un fichier de code ; le parcours de prédiction est uniquement textuel et ne se combine pas avec l’appel de fonctions.
Définissez un livrable final utile : une réponse courte, une liste d’actions, un passage modifié ou un ensemble de champs pour l’étape suivante. Gardez les règles cohérentes pour les entrées répétées et transmettez les faits antérieurs significatifs dans un échange suivant. Une réponse est utile lorsque son contenu, son format et l’action suivante proposée restent reliés à la tâche et aux preuves fournies.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-4o-mini-2024-07-18 | 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 $0.0003 / 1K jetons Sortie · Jetons en sortie $0.0012 / 1K jetons Entrée · Lecture du cache $0.00015 / 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 $0.0003 / 1K jetons Sortie · Jetons en sortie $0.0012 / 1K jetons Entrée · Lecture du cache $0.00015 / 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-mini-2024-07-18", "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-mini-2024-07-18',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-mini-2024-07-18',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-mini-2024-07-18
Utilisez les chemins de méthode indiqués ci-dessus.
openai/gpt-4o-mini-2024-07-18La version GPT-4o Mini du 18 juillet est un petit modèle de texte et d’image pour les travaux ciblés. Elle prend en charge la diffusion en continu, l’appel de fonctions et Structured Outputs pour des tâches comme l’extraction documentaire, les réponses courtes et le traitement répété.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4o Mini (2024-07-18) est la petite édition datée du 18 juillet d’OpenAI pour les tâches textuelles et visuelles ciblées. Elle accepte du texte et des images et produit du texte, notamment avec Structured Outputs. Le fournisseur décrit des processus avec des appels de modèles enchaînés ou parallèles, un contexte substantiel de conversation ou de documents et des réponses textuelles concises destinées aux clients.
Une tâche peut par exemple consister à traiter une demande selon un ensemble cohérent de règles. Fournissez le message, les informations de référence pertinentes et les exigences de la réponse. Demandez le sujet, les faits établis et une proposition de réponse concise. Pour une extraction, définissez les champs requis et la représentation d’une valeur absente. La présentation du fabricant décrit les données structurées issues de documents et les réponses éclairées par l’historique d’un fil comme des applications utiles.
Une entrée visuelle peut ajouter une capture d’écran ou une page de document à la demande écrite. Identifiez le libellé, l’état ou le détail qui doit éclairer la réponse et fournissez le contexte absent de l’image. La présentation décrit la même étendue linguistique que GPT-4o, avec le raisonnement textuel et visuel, les mathématiques et la programmation. Pour une modification sous contraintes ou une question de code, précisez l’opération et les faits ou comportements à maintenir.
La fiche exacte du modèle d’OpenAI indique une fenêtre de contexte de 128 000 jetons, une sortie maximale de 16 384 jetons et une date limite des connaissances au 1er octobre 2023. Les sources et la réponse générée partagent la fenêtre disponible. La version du 18 juillet est répertoriée séparément des éditions GPT-4o complètes, en préservant son identité de modèle et ses limites propres.
Le fournisseur documente la diffusion en continu, l’appel de fonctions, Structured Outputs, les fichiers et images en entrée et la recherche, l’ajustement fin et Predicted Outputs. Son ensemble d’outils répertorié comprend les fonctions, la recherche sur le Web et dans les fichiers, la génération d’images, l’interprétation de code et les connexions MCP. Les outils sont des opérations distinctes : une application les expose, exécute ses actions et renvoie les résultats réels. Le fournisseur décrit également l’ajustement fin de ce modèle pour les tâches spécialisées, sans transformer une requête existante en un modèle nouvellement entraîné.
Les recommandations Structured Outputs nomment explicitement gpt-4o-mini-2024-07-18 et prennent en charge un sous-ensemble de JSON Schema. Gérez un refus ou une réponse incomplète séparément d’un résultat structuré terminé et vérifiez les valeurs extraites au regard des sources. Predicted Outputs peut utiliser du texte largement connu lors de la régénération d’un document ou d’un fichier de code ; le parcours de prédiction est uniquement textuel et ne se combine pas avec l’appel de fonctions.
Définissez un livrable final utile : une réponse courte, une liste d’actions, un passage modifié ou un ensemble de champs pour l’étape suivante. Gardez les règles cohérentes pour les entrées répétées et transmettez les faits antérieurs significatifs dans un échange suivant. Une réponse est utile lorsque son contenu, son format et l’action suivante proposée restent reliés à la tâche et aux preuves fournies.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-4o-mini-2024-07-18 | 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 $0.0003 / 1K jetons Sortie · Jetons en sortie $0.0012 / 1K jetons Entrée · Lecture du cache $0.00015 / 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 $0.0003 / 1K jetons Sortie · Jetons en sortie $0.0012 / 1K jetons Entrée · Lecture du cache $0.00015 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "openai/gpt-4o-mini-2024-07-18",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-mini-2024-07-18', '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-mini-2024-07-18', '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-mini-2024-07-18
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Extract fields from a service thread\n\nExtract a service record from this thread: M1: 'My order Q-81 arrived with one blue mug missing.' M2: 'We can send a replacement; please confirm your address.' M3: 'The address is unchanged.' Return order ID, missing item, proposed remedy and whether shipment is confirmed. Preserve message labels as evidence.A four-field service record with supporting message labels and distinct proposal versus confirmation status.A proposed replacement must not be reported as a shipped replacement.