GPT-4 Turbo Preview 0125 est l’édition mise à jour de préversion de recherche GPT-4 Turbo d’OpenAI, axée sur le texte. Elle traite les instructions écrites, le contenu source et le code pour produire des réponses textuelles ou des fiches destinées à une application. La mise à jour de janvier vise expressément une exécution plus complète des tâches dans des domaines comme la génération de code et corrige un bug affectant la génération en UTF-8 dans les langues autres que l’anglais. Cette édition nommée 0125 est distincte de Preview 1106, qui la précède, et de GPT-4 Turbo with Vision.
La fiche Preview du fournisseur indique une fenêtre de contexte de 128 000 tokens et jusqu’à 4 096 tokens en sortie, avec une date limite des connaissances au 1er décembre 2023. La grande fenêtre d’entrée peut contenir des documents ou du code connexes avec une question détaillée ; le volume de sortie autorisé est bien plus petit et doit guider le résultat demandé. Fournissez des éléments sources actuels lorsqu’une question dépend d’informations dépassant les connaissances stockées du modèle.
Pour comparer des exigences, incluez les documents pertinents, identifiez celui qui prévaut en cas de désaccord et demandez l’exigence modifiée, le passage qui l’étaye et son effet sur le processus décrit. Pour une tâche de programmation, donnez le comportement à obtenir, les fonctions pertinentes et le résultat attendu. Demandez une modification complète dans ce périmètre et précisez ce qui constitue l’achèvement, plutôt que de traiter un fragment convaincant comme la tâche entière.
La famille GPT-4 Turbo Preview apporte un meilleur respect des formats et le mode JSON. Le fournisseur décrit le mode JSON comme contraignant une réponse à un JSON syntaxiquement valide ; il ne vérifie pas de manière indépendante qu’une valeur de champ est correcte ou qu’une fiche respecte chaque règle métier. Définissez les champs, les valeurs autorisées et le traitement des informations manquantes dans l’instruction, puis examinez l’objet renvoyé au regard de ces exigences. Lorsque vous utilisez le mode JSON du fabricant, demandez explicitement au modèle de produire du JSON et incluez le mot « JSON » dans la conversation. Sans cette instruction, il peut émettre des caractères d’espacement jusqu’à la limite de tokens ; vérifiez qu’un objet complet a été renvoyé.
Une tâche d’extraction peut demander un identifiant d’élément, le texte source établissant son statut et la prochaine action justifiée par ces éléments. Gardez le contenu d’origine avec la fiche pour pouvoir vérifier une valeur. L’acceptation du JSON renvoyé par un parseur est une partie du processus ; l’association correcte entre la source et les champs extraits en est une autre.
La publication Preview d’OpenAI documente l’appel de fonctions, notamment la demande de plusieurs fonctions dans un seul message. Le développeur décrit chaque fonction et ses paramètres, et le modèle renvoie les arguments de l’opération demandée. L’application environnante exécute l’opération et renvoie le résultat réel. Une demande de recherche est donc distincte de la fiche récupérée, et une action proposée est distincte de son accomplissement.
Fournissez des fonctions adaptées à la tâche et nommez les éléments sources à utiliser dans la réponse suivante. Un assistant de comparaison peut demander les fiches de deux éléments nommés, puis expliquer leurs différences à partir des valeurs renvoyées. Si une recherche échoue ou fournit un contenu incomplet, conservez cette condition au lieu de créer un remplacement plausible. Conservez les identifiants des fonctions et les résultats avec la suite du travail.
Le réglage seed de la famille Preview est documenté comme une aide bêta permettant d’obtenir des réponses reproductibles la plupart du temps. Il est utile pour comparer une modification de prompt en gardant les autres réglages stables ; il ne garantit pas que chaque requête répétée produise une sortie identique. Gardez l’instruction, le contenu source et les réglages ensemble lorsque vous comparez les réponses.
Les modalités répertoriées pour ce profil sont l’entrée textuelle et la sortie textuelle. L’analyse d’images relève du modèle nommé séparément Vision Preview ou des profils multimodaux ultérieurs. Le mode JSON est également distinct des fonctionnalités plus récentes de contrainte par schéma. Les améliorations de complétude et d’encodage de la mise à jour 0125 ne suppriment pas la nécessité d’examiner une modification de code, un champ extrait ou une conclusion au regard des éléments sources fournis. Choisissez un résultat délimité qui tient dans le volume de sortie autorisé et conservez l’édition nommée exacte avec le résultat.
", "aboutText": "GPT-4 Turbo Preview 0125 est l’édition mise à jour de préversion de recherche GPT-4 Turbo d’OpenAI, axée sur le texte. Elle traite les instructions écrites, le contenu source et le code pour produire des réponses textuelles ou des fiches destinées à une application. La mise à jour de janvier vise expressément une exécution plus complète des tâches dans des domaines comme la génération de code et corrige un bug affectant la génération en UTF-8 dans les langues autres que l’anglais. Cette édition nommée 0125 est distincte de Preview 1106, qui la précède, et de GPT-4 Turbo with Vision.\n\n### Travail textuel à grand contexte\n\nLa fiche Preview du fournisseur indique une fenêtre de contexte de 128 000 tokens et jusqu’à 4 096 tokens en sortie, avec une date limite des connaissances au 1er décembre 2023. La grande fenêtre d’entrée peut contenir des documents ou du code connexes avec une question détaillée ; le volume de sortie autorisé est bien plus petit et doit guider le résultat demandé. Fournissez des éléments sources actuels lorsqu’une question dépend d’informations dépassant les connaissances stockées du modèle.\n\nPour comparer des exigences, incluez les documents pertinents, identifiez celui qui prévaut en cas de désaccord et demandez l’exigence modifiée, le passage qui l’étaye et son effet sur le processus décrit. Pour une tâche de programmation, donnez le comportement à obtenir, les fonctions pertinentes et le résultat attendu. Demandez une modification complète dans ce périmètre et précisez ce qui constitue l’achèvement, plutôt que de traiter un fragment convaincant comme la tâche entière.\n\n### Formats et mode JSON\n\nLa famille GPT-4 Turbo Preview apporte un meilleur respect des formats et le mode JSON. Le fournisseur décrit le mode JSON comme contraignant une réponse à un JSON syntaxiquement valide ; il ne vérifie pas de manière indépendante qu’une valeur de champ est correcte ou qu’une fiche respecte chaque règle métier. Définissez les champs, les valeurs autorisées et le traitement des informations manquantes dans l’instruction, puis examinez l’objet renvoyé au regard de ces exigences. Lorsque vous utilisez le mode JSON du fabricant, demandez explicitement au modèle de produire du JSON et incluez le mot « JSON » dans la conversation. Sans cette instruction, il peut émettre des caractères d’espacement jusqu’à la limite de tokens ; vérifiez qu’un objet complet a été renvoyé.\n\nUne tâche d’extraction peut demander un identifiant d’élément, le texte source établissant son statut et la prochaine action justifiée par ces éléments. Gardez le contenu d’origine avec la fiche pour pouvoir vérifier une valeur. L’acceptation du JSON renvoyé par un parseur est une partie du processus ; l’association correcte entre la source et les champs extraits en est une autre.\n\n### Appels de fonctions et résultats réels\n\nLa publication Preview d’OpenAI documente l’appel de fonctions, notamment la demande de plusieurs fonctions dans un seul message. Le développeur décrit chaque fonction et ses paramètres, et le modèle renvoie les arguments de l’opération demandée. L’application environnante exécute l’opération et renvoie le résultat réel. Une demande de recherche est donc distincte de la fiche récupérée, et une action proposée est distincte de son accomplissement.\n\nFournissez des fonctions adaptées à la tâche et nommez les éléments sources à utiliser dans la réponse suivante. Un assistant de comparaison peut demander les fiches de deux éléments nommés, puis expliquer leurs différences à partir des valeurs renvoyées. Si une recherche échoue ou fournit un contenu incomplet, conservez cette condition au lieu de créer un remplacement plausible. Conservez les identifiants des fonctions et les résultats avec la suite du travail.\n\n### Reproductibilité et limites de l’édition\n\nLe réglage seed de la famille Preview est documenté comme une aide bêta permettant d’obtenir des réponses reproductibles la plupart du temps. Il est utile pour comparer une modification de prompt en gardant les autres réglages stables ; il ne garantit pas que chaque requête répétée produise une sortie identique. Gardez l’instruction, le contenu source et les réglages ensemble lorsque vous comparez les réponses.\n\nLes modalités répertoriées pour ce profil sont l’entrée textuelle et la sortie textuelle. L’analyse d’images relève du modèle nommé séparément Vision Preview ou des profils multimodaux ultérieurs. Le mode JSON est également distinct des fonctionnalités plus récentes de contrainte par schéma. Les améliorations de complétude et d’encodage de la mise à jour 0125 ne suppriment pas la nécessité d’examiner une modification de code, un champ extrait ou une conclusion au regard des éléments sources fournis. Choisissez un résultat délimité qui tient dans le volume de sortie autorisé et conservez l’édition nommée exacte avec le résultat.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Complete a CSV escaping function\n\nWrite a complete Python function csv_cell(value) that converts value to text and wraps it in double quotes only when it contains a comma, double quote or newline. Embedded double quotes must be doubled. Return the function and tests for plain text, a comma, a quotation mark and a newline. Use no third-party packages.A complete function and four concrete test cases covering each escaping condition.The quotation-mark test checks both outer quoting and doubling of the embedded quote.gpt-4-0125-previewGPT-4 Turbo Preview 0125 traite les tâches textuelles et de programmation à long contexte avec une fenêtre de contexte documentée de 128K. Le mode JSON et l’appel de fonctions aident à transformer le contenu fourni en réponses textuelles ou en fiches pour l’application, en gardant l’édition Preview exacte distincte des modèles de vision et des modèles ultérieurs.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4 Turbo Preview 0125 est l’édition mise à jour de préversion de recherche GPT-4 Turbo d’OpenAI, axée sur le texte. Elle traite les instructions écrites, le contenu source et le code pour produire des réponses textuelles ou des fiches destinées à une application. La mise à jour de janvier vise expressément une exécution plus complète des tâches dans des domaines comme la génération de code et corrige un bug affectant la génération en UTF-8 dans les langues autres que l’anglais. Cette édition nommée 0125 est distincte de Preview 1106, qui la précède, et de GPT-4 Turbo with Vision.
La fiche Preview du fournisseur indique une fenêtre de contexte de 128 000 tokens et jusqu’à 4 096 tokens en sortie, avec une date limite des connaissances au 1er décembre 2023. La grande fenêtre d’entrée peut contenir des documents ou du code connexes avec une question détaillée ; le volume de sortie autorisé est bien plus petit et doit guider le résultat demandé. Fournissez des éléments sources actuels lorsqu’une question dépend d’informations dépassant les connaissances stockées du modèle.
Pour comparer des exigences, incluez les documents pertinents, identifiez celui qui prévaut en cas de désaccord et demandez l’exigence modifiée, le passage qui l’étaye et son effet sur le processus décrit. Pour une tâche de programmation, donnez le comportement à obtenir, les fonctions pertinentes et le résultat attendu. Demandez une modification complète dans ce périmètre et précisez ce qui constitue l’achèvement, plutôt que de traiter un fragment convaincant comme la tâche entière.
La famille GPT-4 Turbo Preview apporte un meilleur respect des formats et le mode JSON. Le fournisseur décrit le mode JSON comme contraignant une réponse à un JSON syntaxiquement valide ; il ne vérifie pas de manière indépendante qu’une valeur de champ est correcte ou qu’une fiche respecte chaque règle métier. Définissez les champs, les valeurs autorisées et le traitement des informations manquantes dans l’instruction, puis examinez l’objet renvoyé au regard de ces exigences. Lorsque vous utilisez le mode JSON du fabricant, demandez explicitement au modèle de produire du JSON et incluez le mot « JSON » dans la conversation. Sans cette instruction, il peut émettre des caractères d’espacement jusqu’à la limite de tokens ; vérifiez qu’un objet complet a été renvoyé.
Une tâche d’extraction peut demander un identifiant d’élément, le texte source établissant son statut et la prochaine action justifiée par ces éléments. Gardez le contenu d’origine avec la fiche pour pouvoir vérifier une valeur. L’acceptation du JSON renvoyé par un parseur est une partie du processus ; l’association correcte entre la source et les champs extraits en est une autre.
La publication Preview d’OpenAI documente l’appel de fonctions, notamment la demande de plusieurs fonctions dans un seul message. Le développeur décrit chaque fonction et ses paramètres, et le modèle renvoie les arguments de l’opération demandée. L’application environnante exécute l’opération et renvoie le résultat réel. Une demande de recherche est donc distincte de la fiche récupérée, et une action proposée est distincte de son accomplissement.
Fournissez des fonctions adaptées à la tâche et nommez les éléments sources à utiliser dans la réponse suivante. Un assistant de comparaison peut demander les fiches de deux éléments nommés, puis expliquer leurs différences à partir des valeurs renvoyées. Si une recherche échoue ou fournit un contenu incomplet, conservez cette condition au lieu de créer un remplacement plausible. Conservez les identifiants des fonctions et les résultats avec la suite du travail.
Le réglage seed de la famille Preview est documenté comme une aide bêta permettant d’obtenir des réponses reproductibles la plupart du temps. Il est utile pour comparer une modification de prompt en gardant les autres réglages stables ; il ne garantit pas que chaque requête répétée produise une sortie identique. Gardez l’instruction, le contenu source et les réglages ensemble lorsque vous comparez les réponses.
Les modalités répertoriées pour ce profil sont l’entrée textuelle et la sortie textuelle. L’analyse d’images relève du modèle nommé séparément Vision Preview ou des profils multimodaux ultérieurs. Le mode JSON est également distinct des fonctionnalités plus récentes de contrainte par schéma. Les améliorations de complétude et d’encodage de la mise à jour 0125 ne suppriment pas la nécessité d’examiner une modification de code, un champ extrait ou une conclusion au regard des éléments sources fournis. Choisissez un résultat délimité qui tient dans le volume de sortie autorisé et conservez l’édition nommée exacte avec le résultat.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-4-0125-preview | 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’identifiant 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: outil de fonction fourni | 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 rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | 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 sous forme de texte littéral ; aucun identifiant 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’identifiant 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/objets 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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.02 / 1K tokens Sortie · Tokens en sortie $0.06 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-4-0125-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-4-0125-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-4-0125-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-4-0125-preview
Utilisez les chemins de méthode indiqués ci-dessus.
gpt-4-0125-previewGPT-4 Turbo Preview 0125 traite les tâches textuelles et de programmation à long contexte avec une fenêtre de contexte documentée de 128K. Le mode JSON et l’appel de fonctions aident à transformer le contenu fourni en réponses textuelles ou en fiches pour l’application, en gardant l’édition Preview exacte distincte des modèles de vision et des modèles ultérieurs.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4 Turbo Preview 0125 est l’édition mise à jour de préversion de recherche GPT-4 Turbo d’OpenAI, axée sur le texte. Elle traite les instructions écrites, le contenu source et le code pour produire des réponses textuelles ou des fiches destinées à une application. La mise à jour de janvier vise expressément une exécution plus complète des tâches dans des domaines comme la génération de code et corrige un bug affectant la génération en UTF-8 dans les langues autres que l’anglais. Cette édition nommée 0125 est distincte de Preview 1106, qui la précède, et de GPT-4 Turbo with Vision.
La fiche Preview du fournisseur indique une fenêtre de contexte de 128 000 tokens et jusqu’à 4 096 tokens en sortie, avec une date limite des connaissances au 1er décembre 2023. La grande fenêtre d’entrée peut contenir des documents ou du code connexes avec une question détaillée ; le volume de sortie autorisé est bien plus petit et doit guider le résultat demandé. Fournissez des éléments sources actuels lorsqu’une question dépend d’informations dépassant les connaissances stockées du modèle.
Pour comparer des exigences, incluez les documents pertinents, identifiez celui qui prévaut en cas de désaccord et demandez l’exigence modifiée, le passage qui l’étaye et son effet sur le processus décrit. Pour une tâche de programmation, donnez le comportement à obtenir, les fonctions pertinentes et le résultat attendu. Demandez une modification complète dans ce périmètre et précisez ce qui constitue l’achèvement, plutôt que de traiter un fragment convaincant comme la tâche entière.
La famille GPT-4 Turbo Preview apporte un meilleur respect des formats et le mode JSON. Le fournisseur décrit le mode JSON comme contraignant une réponse à un JSON syntaxiquement valide ; il ne vérifie pas de manière indépendante qu’une valeur de champ est correcte ou qu’une fiche respecte chaque règle métier. Définissez les champs, les valeurs autorisées et le traitement des informations manquantes dans l’instruction, puis examinez l’objet renvoyé au regard de ces exigences. Lorsque vous utilisez le mode JSON du fabricant, demandez explicitement au modèle de produire du JSON et incluez le mot « JSON » dans la conversation. Sans cette instruction, il peut émettre des caractères d’espacement jusqu’à la limite de tokens ; vérifiez qu’un objet complet a été renvoyé.
Une tâche d’extraction peut demander un identifiant d’élément, le texte source établissant son statut et la prochaine action justifiée par ces éléments. Gardez le contenu d’origine avec la fiche pour pouvoir vérifier une valeur. L’acceptation du JSON renvoyé par un parseur est une partie du processus ; l’association correcte entre la source et les champs extraits en est une autre.
La publication Preview d’OpenAI documente l’appel de fonctions, notamment la demande de plusieurs fonctions dans un seul message. Le développeur décrit chaque fonction et ses paramètres, et le modèle renvoie les arguments de l’opération demandée. L’application environnante exécute l’opération et renvoie le résultat réel. Une demande de recherche est donc distincte de la fiche récupérée, et une action proposée est distincte de son accomplissement.
Fournissez des fonctions adaptées à la tâche et nommez les éléments sources à utiliser dans la réponse suivante. Un assistant de comparaison peut demander les fiches de deux éléments nommés, puis expliquer leurs différences à partir des valeurs renvoyées. Si une recherche échoue ou fournit un contenu incomplet, conservez cette condition au lieu de créer un remplacement plausible. Conservez les identifiants des fonctions et les résultats avec la suite du travail.
Le réglage seed de la famille Preview est documenté comme une aide bêta permettant d’obtenir des réponses reproductibles la plupart du temps. Il est utile pour comparer une modification de prompt en gardant les autres réglages stables ; il ne garantit pas que chaque requête répétée produise une sortie identique. Gardez l’instruction, le contenu source et les réglages ensemble lorsque vous comparez les réponses.
Les modalités répertoriées pour ce profil sont l’entrée textuelle et la sortie textuelle. L’analyse d’images relève du modèle nommé séparément Vision Preview ou des profils multimodaux ultérieurs. Le mode JSON est également distinct des fonctionnalités plus récentes de contrainte par schéma. Les améliorations de complétude et d’encodage de la mise à jour 0125 ne suppriment pas la nécessité d’examiner une modification de code, un champ extrait ou une conclusion au regard des éléments sources fournis. Choisissez un résultat délimité qui tient dans le volume de sortie autorisé et conservez l’édition nommée exacte avec le résultat.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-4-0125-preview | 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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.02 / 1K tokens Sortie · Tokens en sortie $0.06 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gpt-4-0125-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4-0125-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4-0125-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 identifiants 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 identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-4-0125-preview
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Complete a CSV escaping function\n\nWrite a complete Python function csv_cell(value) that converts value to text and wraps it in double quotes only when it contains a comma, double quote or newline. Embedded double quotes must be doubled. Return the function and tests for plain text, a comma, a quotation mark and a newline. Use no third-party packages.A complete function and four concrete test cases covering each escaping condition.The quotation-mark test checks both outer quoting and doubling of the embedded quote.