GPT-4o (2024-11-20) est la version du 20 novembre nommée séparément dans le catalogue API GPT-4o d’OpenAI. Elle appartient à la famille GPT-4o pour les tâches textuelles et visuelles polyvalentes, acceptant du texte et des images et renvoyant du texte. Son identité datée est conservée séparément des versions du 6 août et du 13 mai et de la sélection évolutive de dialogue ChatGPT.
Une application peut par exemple consister à modifier un document pour un public précis. Fournissez les éléments d’origine, les besoins du lecteur et les faits à maintenir. Demandez un passage révisé ou un document complet avec un objectif explicite, puis affinez la version sélectionnée dans un échange suivant. Une sortie utile peut inclure une explication concise des changements afin que le lecteur puisse les évaluer au regard du texte d’origine.
Pour une question visuelle, fournissez la capture d’écran, la photographie ou l’image du document et identifiez le détail qui éclaire la tâche. Incluez le contexte écrit que l’image seule ne fournit pas. Une demande d’assistance peut combiner le message de l’utilisateur et une capture d’écran et demander l’observation pertinente, les informations encore nécessaires et une proposition de réponse. Utilisez un texte lisible et évitez de vous appuyer sur un libellé minuscule ou une estimation spatiale précise sans vérifier l’image source.
La documentation de la famille GPT-4o d’OpenAI indique une fenêtre de contexte de 128 000 tokens. L’entrée et la réponse demandée partagent le contexte disponible ; conservez donc les éléments utiles et les faits antérieurs significatifs tout en laissant de la place pour le résultat. Définissez explicitement la longueur et le format requis de la réponse. Une longue collection de sources est surtout utile lorsque l’instruction identifie la question et les faits qui importent pour celle-ci.
Le fournisseur documente la diffusion en continu, l’appel de fonctions et Structured Outputs pour la famille GPT-4o ; les recommandations actuelles Structured Outputs couvrent la version du 6 août et les modèles ultérieurs. Un schéma définit les champs de la réponse et la forme autorisée, tandis qu’une demande d’appel de fonction propose une opération applicative. L’application exécute ses actions et renvoie les résultats réels. Un ensemble de champs bien formé doit toujours être vérifié au regard des preuves fournies, en représentant explicitement les informations manquantes.
La documentation de la série GPT-4o décrit également Predicted Outputs pour un fichier de texte ou de code dont le contenu attendu est largement connu. Ce parcours facultatif utilise le texte connu lors de la régénération d’une version avec des modifications limitées et ne combine pas la prédiction avec l’appel de fonctions. Pour la tâche elle-même, choisissez un livrable final utile : un passage modifié, une explication visuelle, une réponse proposée ou des conclusions structurées. Gardez ses affirmations importantes reliées aux éléments d’origine et utilisez les messages ultérieurs pour résoudre une question précise ou réviser une section particulière.
", "aboutText": "GPT-4o (2024-11-20) est la version du 20 novembre nommée séparément dans le catalogue API GPT-4o d’OpenAI. Elle appartient à la famille GPT-4o pour les tâches textuelles et visuelles polyvalentes, acceptant du texte et des images et renvoyant du texte. Son identité datée est conservée séparément des versions du 6 août et du 13 mai et de la sélection évolutive de dialogue ChatGPT.\n\nUne application peut par exemple consister à modifier un document pour un public précis. Fournissez les éléments d’origine, les besoins du lecteur et les faits à maintenir. Demandez un passage révisé ou un document complet avec un objectif explicite, puis affinez la version sélectionnée dans un échange suivant. Une sortie utile peut inclure une explication concise des changements afin que le lecteur puisse les évaluer au regard du texte d’origine.\n\nPour une question visuelle, fournissez la capture d’écran, la photographie ou l’image du document et identifiez le détail qui éclaire la tâche. Incluez le contexte écrit que l’image seule ne fournit pas. Une demande d’assistance peut combiner le message de l’utilisateur et une capture d’écran et demander l’observation pertinente, les informations encore nécessaires et une proposition de réponse. Utilisez un texte lisible et évitez de vous appuyer sur un libellé minuscule ou une estimation spatiale précise sans vérifier l’image source.\n\nLa documentation de la famille GPT-4o d’OpenAI indique une fenêtre de contexte de 128 000 tokens. L’entrée et la réponse demandée partagent le contexte disponible ; conservez donc les éléments utiles et les faits antérieurs significatifs tout en laissant de la place pour le résultat. Définissez explicitement la longueur et le format requis de la réponse. Une longue collection de sources est surtout utile lorsque l’instruction identifie la question et les faits qui importent pour celle-ci.\n\nLe fournisseur documente la diffusion en continu, l’appel de fonctions et Structured Outputs pour la famille GPT-4o ; les recommandations actuelles Structured Outputs couvrent la version du 6 août et les modèles ultérieurs. Un schéma définit les champs de la réponse et la forme autorisée, tandis qu’une demande d’appel de fonction propose une opération applicative. L’application exécute ses actions et renvoie les résultats réels. Un ensemble de champs bien formé doit toujours être vérifié au regard des preuves fournies, en représentant explicitement les informations manquantes.\n\nLa documentation de la série GPT-4o décrit également Predicted Outputs pour un fichier de texte ou de code dont le contenu attendu est largement connu. Ce parcours facultatif utilise le texte connu lors de la régénération d’une version avec des modifications limitées et ne combine pas la prédiction avec l’appel de fonctions. Pour la tâche elle-même, choisissez un livrable final utile : un passage modifié, une explication visuelle, une réponse proposée ou des conclusions structurées. Gardez ses affirmations importantes reliées aux éléments d’origine et utilisez les messages ultérieurs pour résoudre une question précise ou réviser une section particulière.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Edit a project update for a customer\n\nRewrite this internal note as a customer update under 80 words: 'The export fix is implemented in staging. QA found a separate date-format issue. Production rollout waits for both checks. Next review is Thursday.' Keep the tone calm, preserve the staging-versus-production distinction, and offer no release date or claim that the customer's issue is resolved.One customer-facing update with the current stage, remaining check and Thursday review.The draft never turns a scheduled review into a deployment promise or a staging fix into customer-visible resolution.openai/gpt-4o-2024-11-20La version API GPT-4o nommée séparément du 20 novembre appartient à la famille de modèles textuels et visuels d’OpenAI. Utilisez des consignes claires de rédaction ou d’analyse visuelle pour élaborer une réponse, un document modifié ou un ensemble structuré de conclusions.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4o (2024-11-20) est la version du 20 novembre nommée séparément dans le catalogue API GPT-4o d’OpenAI. Elle appartient à la famille GPT-4o pour les tâches textuelles et visuelles polyvalentes, acceptant du texte et des images et renvoyant du texte. Son identité datée est conservée séparément des versions du 6 août et du 13 mai et de la sélection évolutive de dialogue ChatGPT.
Une application peut par exemple consister à modifier un document pour un public précis. Fournissez les éléments d’origine, les besoins du lecteur et les faits à maintenir. Demandez un passage révisé ou un document complet avec un objectif explicite, puis affinez la version sélectionnée dans un échange suivant. Une sortie utile peut inclure une explication concise des changements afin que le lecteur puisse les évaluer au regard du texte d’origine.
Pour une question visuelle, fournissez la capture d’écran, la photographie ou l’image du document et identifiez le détail qui éclaire la tâche. Incluez le contexte écrit que l’image seule ne fournit pas. Une demande d’assistance peut combiner le message de l’utilisateur et une capture d’écran et demander l’observation pertinente, les informations encore nécessaires et une proposition de réponse. Utilisez un texte lisible et évitez de vous appuyer sur un libellé minuscule ou une estimation spatiale précise sans vérifier l’image source.
La documentation de la famille GPT-4o d’OpenAI indique une fenêtre de contexte de 128 000 tokens. L’entrée et la réponse demandée partagent le contexte disponible ; conservez donc les éléments utiles et les faits antérieurs significatifs tout en laissant de la place pour le résultat. Définissez explicitement la longueur et le format requis de la réponse. Une longue collection de sources est surtout utile lorsque l’instruction identifie la question et les faits qui importent pour celle-ci.
Le fournisseur documente la diffusion en continu, l’appel de fonctions et Structured Outputs pour la famille GPT-4o ; les recommandations actuelles Structured Outputs couvrent la version du 6 août et les modèles ultérieurs. Un schéma définit les champs de la réponse et la forme autorisée, tandis qu’une demande d’appel de fonction propose une opération applicative. L’application exécute ses actions et renvoie les résultats réels. Un ensemble de champs bien formé doit toujours être vérifié au regard des preuves fournies, en représentant explicitement les informations manquantes.
La documentation de la série GPT-4o décrit également Predicted Outputs pour un fichier de texte ou de code dont le contenu attendu est largement connu. Ce parcours facultatif utilise le texte connu lors de la régénération d’une version avec des modifications limitées et ne combine pas la prédiction avec l’appel de fonctions. Pour la tâche elle-même, choisissez un livrable final utile : un passage modifié, une explication visuelle, une réponse proposée ou des conclusions structurées. Gardez ses affirmations importantes reliées aux éléments d’origine et utilisez les messages ultérieurs pour résoudre une question précise ou réviser une section particulière.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-4o-2024-11-20 | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.005 / 1K tokens Sortie · Tokens en sortie $0.02 / 1K tokens Entrée · Lecture du cache $0.0025 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.005 / 1K tokens Sortie · Tokens en sortie $0.02 / 1K tokens Entrée · Lecture du cache $0.0025 / 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": "openai/gpt-4o-2024-11-20", "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-2024-11-20',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-2024-11-20',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 openai/gpt-4o-2024-11-20
Utilisez les chemins de méthode indiqués ci-dessus.
openai/gpt-4o-2024-11-20La version API GPT-4o nommée séparément du 20 novembre appartient à la famille de modèles textuels et visuels d’OpenAI. Utilisez des consignes claires de rédaction ou d’analyse visuelle pour élaborer une réponse, un document modifié ou un ensemble structuré de conclusions.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4o (2024-11-20) est la version du 20 novembre nommée séparément dans le catalogue API GPT-4o d’OpenAI. Elle appartient à la famille GPT-4o pour les tâches textuelles et visuelles polyvalentes, acceptant du texte et des images et renvoyant du texte. Son identité datée est conservée séparément des versions du 6 août et du 13 mai et de la sélection évolutive de dialogue ChatGPT.
Une application peut par exemple consister à modifier un document pour un public précis. Fournissez les éléments d’origine, les besoins du lecteur et les faits à maintenir. Demandez un passage révisé ou un document complet avec un objectif explicite, puis affinez la version sélectionnée dans un échange suivant. Une sortie utile peut inclure une explication concise des changements afin que le lecteur puisse les évaluer au regard du texte d’origine.
Pour une question visuelle, fournissez la capture d’écran, la photographie ou l’image du document et identifiez le détail qui éclaire la tâche. Incluez le contexte écrit que l’image seule ne fournit pas. Une demande d’assistance peut combiner le message de l’utilisateur et une capture d’écran et demander l’observation pertinente, les informations encore nécessaires et une proposition de réponse. Utilisez un texte lisible et évitez de vous appuyer sur un libellé minuscule ou une estimation spatiale précise sans vérifier l’image source.
La documentation de la famille GPT-4o d’OpenAI indique une fenêtre de contexte de 128 000 tokens. L’entrée et la réponse demandée partagent le contexte disponible ; conservez donc les éléments utiles et les faits antérieurs significatifs tout en laissant de la place pour le résultat. Définissez explicitement la longueur et le format requis de la réponse. Une longue collection de sources est surtout utile lorsque l’instruction identifie la question et les faits qui importent pour celle-ci.
Le fournisseur documente la diffusion en continu, l’appel de fonctions et Structured Outputs pour la famille GPT-4o ; les recommandations actuelles Structured Outputs couvrent la version du 6 août et les modèles ultérieurs. Un schéma définit les champs de la réponse et la forme autorisée, tandis qu’une demande d’appel de fonction propose une opération applicative. L’application exécute ses actions et renvoie les résultats réels. Un ensemble de champs bien formé doit toujours être vérifié au regard des preuves fournies, en représentant explicitement les informations manquantes.
La documentation de la série GPT-4o décrit également Predicted Outputs pour un fichier de texte ou de code dont le contenu attendu est largement connu. Ce parcours facultatif utilise le texte connu lors de la régénération d’une version avec des modifications limitées et ne combine pas la prédiction avec l’appel de fonctions. Pour la tâche elle-même, choisissez un livrable final utile : un passage modifié, une explication visuelle, une réponse proposée ou des conclusions structurées. Gardez ses affirmations importantes reliées aux éléments d’origine et utilisez les messages ultérieurs pour résoudre une question précise ou réviser une section particulière.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-4o-2024-11-20 | 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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.005 / 1K tokens Sortie · Tokens en sortie $0.02 / 1K tokens Entrée · Lecture du cache $0.0025 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.005 / 1K tokens Sortie · Tokens en sortie $0.02 / 1K tokens Entrée · Lecture du cache $0.0025 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "openai/gpt-4o-2024-11-20",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2024-11-20', '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-2024-11-20', '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 openai/gpt-4o-2024-11-20
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Edit a project update for a customer\n\nRewrite this internal note as a customer update under 80 words: 'The export fix is implemented in staging. QA found a separate date-format issue. Production rollout waits for both checks. Next review is Thursday.' Keep the tone calm, preserve the staging-versus-production distinction, and offer no release date or claim that the customer's issue is resolved.One customer-facing update with the current stage, remaining check and Thursday review.The draft never turns a scheduled review into a deployment promise or a staging fix into customer-visible resolution.