GPT-4o Search Preview est le modèle spécialisé d’OpenAI pour comprendre et exécuter des recherches sur le Web dans une requête conversationnelle. Son rôle est de relier une question aux informations récupérées sur le Web et de produire une réponse textuelle. OpenAI a introduit ce modèle adapté à la recherche comme un choix distinct, avec un processus de recherche intégré à ce mode de fonctionnement du modèle plutôt que sélectionné comme une fonction externe quelconque.
La recherche se déroule avant la génération de la réponse. Cela rend le modèle utile pour les questions dépendant d’informations publiées : documentation de produits, évolutions récentes, descriptions publiques ou comparaisons de sources. Définissez le sujet, la période, le lieu et les critères de sélection lorsqu’ils influencent la question. Une application possible peut demander une note de recherche identifiant les constats les plus pertinents et les différences entre des rapports publiés.
La réponse de recherche documentée associe un texte rédigé à des citations. Les informations sources sont aussi représentées par des annotations de citation contenant le titre et l’adresse de la page citée ainsi que la position de la référence dans la réponse. Dans une application destinée aux utilisateurs finaux, le fabricant exige que les citations restent visibles et cliquables. Le lecteur peut ainsi examiner la page associée à une affirmation particulière de la réponse.
La spécification du modèle indique une entrée et une sortie textuelles, une fenêtre de contexte de 128 000 tokens et jusqu’à 16 384 tokens en sortie. Sa date limite des connaissances documentée est le 1er octobre 2023 ; la recherche sur le Web apporte des informations au-delà des connaissances internes du modèle lorsqu’elle les trouve. Les images, l’audio et la vidéo ne sont pas des modalités d’entrée prises en charge dans cette configuration. Le streaming et Structured Outputs sont répertoriés comme pris en charge, tandis que l’appel de fonctions, l’ajustement fin et Predicted Outputs ne le sont pas.
Il s’agit d’un processus de recherche spécialisé dans Chat Completions. Le fabricant le distingue de son outil de recherche généraliste plus récent : l’ancien modèle ne fournit pas les filtres de domaines, les réglages de liste complète des sources, les options d’accès en direct ni les réglages du budget de tokens renvoyés de cet outil. Son comportement de recherche avant la réponse diffère aussi d’un appel d’outil facultatif. Ces limites aident à définir une tâche de recherche ciblée sans attribuer à l’édition Preview des capacités d’outils sans rapport avec elle.
Pour un assistant de recherche utilisant Ailoot API, précisez la question à traiter et le résultat souhaité : une synthèse étayée par des sources, un tableau comparatif ou un plan de rapport. Demandez-lui de distinguer les faits trouvés dans les sources des conclusions que vous souhaitez en tirer. Gardez la question et le résultat souhaité explicites pour que la réponse citant ses sources puisse être évaluée au regard de l’objectif de recherche.
", "aboutText": "GPT-4o Search Preview est le modèle spécialisé d’OpenAI pour comprendre et exécuter des recherches sur le Web dans une requête conversationnelle. Son rôle est de relier une question aux informations récupérées sur le Web et de produire une réponse textuelle. OpenAI a introduit ce modèle adapté à la recherche comme un choix distinct, avec un processus de recherche intégré à ce mode de fonctionnement du modèle plutôt que sélectionné comme une fonction externe quelconque.\n\nLa recherche se déroule avant la génération de la réponse. Cela rend le modèle utile pour les questions dépendant d’informations publiées : documentation de produits, évolutions récentes, descriptions publiques ou comparaisons de sources. Définissez le sujet, la période, le lieu et les critères de sélection lorsqu’ils influencent la question. Une application possible peut demander une note de recherche identifiant les constats les plus pertinents et les différences entre des rapports publiés.\n\nLa réponse de recherche documentée associe un texte rédigé à des citations. Les informations sources sont aussi représentées par des annotations de citation contenant le titre et l’adresse de la page citée ainsi que la position de la référence dans la réponse. Dans une application destinée aux utilisateurs finaux, le fabricant exige que les citations restent visibles et cliquables. Le lecteur peut ainsi examiner la page associée à une affirmation particulière de la réponse.\n\nLa spécification du modèle indique une entrée et une sortie textuelles, une fenêtre de contexte de 128 000 tokens et jusqu’à 16 384 tokens en sortie. Sa date limite des connaissances documentée est le 1er octobre 2023 ; la recherche sur le Web apporte des informations au-delà des connaissances internes du modèle lorsqu’elle les trouve. Les images, l’audio et la vidéo ne sont pas des modalités d’entrée prises en charge dans cette configuration. Le streaming et Structured Outputs sont répertoriés comme pris en charge, tandis que l’appel de fonctions, l’ajustement fin et Predicted Outputs ne le sont pas.\n\nIl s’agit d’un processus de recherche spécialisé dans Chat Completions. Le fabricant le distingue de son outil de recherche généraliste plus récent : l’ancien modèle ne fournit pas les filtres de domaines, les réglages de liste complète des sources, les options d’accès en direct ni les réglages du budget de tokens renvoyés de cet outil. Son comportement de recherche avant la réponse diffère aussi d’un appel d’outil facultatif. Ces limites aident à définir une tâche de recherche ciblée sans attribuer à l’édition Preview des capacités d’outils sans rapport avec elle.\n\nPour un assistant de recherche utilisant Ailoot API, précisez la question à traiter et le résultat souhaité : une synthèse étayée par des sources, un tableau comparatif ou un plan de rapport. Demandez-lui de distinguer les faits trouvés dans les sources des conclusions que vous souhaitez en tirer. Gardez la question et le résultat souhaité explicites pour que la réponse citant ses sources puisse être évaluée au regard de l’objectif de recherche.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Research an official accessibility standard\n\nFind the W3C WCAG 2.2 recommendation and prepare a short research brief about the Focus Not Obscured (Minimum) success criterion. State its number, level and practical purpose. Cite the official W3C source with a visible link, distinguish the criterion from your implementation advice and avoid adding an unsupported compliance claim.A short sourced brief with criterion number, level, practical explanation and a clickable official citation.Open the cited official page and check that the number, level and wording support the brief.gpt-4o-search-previewGPT-4o Search Preview est le modèle textuel d’OpenAI spécialisé dans les réponses fondées sur le Web, avec des entrées et des sorties textuelles. Il effectue une recherche avant de répondre, associe sa réponse à des citations de sources et prend en charge un contexte de 128 000 tokens et les sorties structurées.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4o Search Preview est le modèle spécialisé d’OpenAI pour comprendre et exécuter des recherches sur le Web dans une requête conversationnelle. Son rôle est de relier une question aux informations récupérées sur le Web et de produire une réponse textuelle. OpenAI a introduit ce modèle adapté à la recherche comme un choix distinct, avec un processus de recherche intégré à ce mode de fonctionnement du modèle plutôt que sélectionné comme une fonction externe quelconque.
La recherche se déroule avant la génération de la réponse. Cela rend le modèle utile pour les questions dépendant d’informations publiées : documentation de produits, évolutions récentes, descriptions publiques ou comparaisons de sources. Définissez le sujet, la période, le lieu et les critères de sélection lorsqu’ils influencent la question. Une application possible peut demander une note de recherche identifiant les constats les plus pertinents et les différences entre des rapports publiés.
La réponse de recherche documentée associe un texte rédigé à des citations. Les informations sources sont aussi représentées par des annotations de citation contenant le titre et l’adresse de la page citée ainsi que la position de la référence dans la réponse. Dans une application destinée aux utilisateurs finaux, le fabricant exige que les citations restent visibles et cliquables. Le lecteur peut ainsi examiner la page associée à une affirmation particulière de la réponse.
La spécification du modèle indique une entrée et une sortie textuelles, une fenêtre de contexte de 128 000 tokens et jusqu’à 16 384 tokens en sortie. Sa date limite des connaissances documentée est le 1er octobre 2023 ; la recherche sur le Web apporte des informations au-delà des connaissances internes du modèle lorsqu’elle les trouve. Les images, l’audio et la vidéo ne sont pas des modalités d’entrée prises en charge dans cette configuration. Le streaming et Structured Outputs sont répertoriés comme pris en charge, tandis que l’appel de fonctions, l’ajustement fin et Predicted Outputs ne le sont pas.
Il s’agit d’un processus de recherche spécialisé dans Chat Completions. Le fabricant le distingue de son outil de recherche généraliste plus récent : l’ancien modèle ne fournit pas les filtres de domaines, les réglages de liste complète des sources, les options d’accès en direct ni les réglages du budget de tokens renvoyés de cet outil. Son comportement de recherche avant la réponse diffère aussi d’un appel d’outil facultatif. Ces limites aident à définir une tâche de recherche ciblée sans attribuer à l’édition Preview des capacités d’outils sans rapport avec elle.
Pour un assistant de recherche utilisant Ailoot API, précisez la question à traiter et le résultat souhaité : une synthèse étayée par des sources, un tableau comparatif ou un plan de rapport. Demandez-lui de distinguer les faits trouvés dans les sources des conclusions que vous souhaitez en tirer. Gardez la question et le résultat souhaité explicites pour que la réponse citant ses sources puisse être évaluée au regard de l’objectif de recherche.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-4o-search-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 $0.005 / 1K tokens Sortie · Tokens en sortie $0.02 / 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-4o-search-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-4o-search-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-4o-search-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-4o-search-preview
Utilisez les chemins de méthode indiqués ci-dessus.
gpt-4o-search-previewGPT-4o Search Preview est le modèle textuel d’OpenAI spécialisé dans les réponses fondées sur le Web, avec des entrées et des sorties textuelles. Il effectue une recherche avant de répondre, associe sa réponse à des citations de sources et prend en charge un contexte de 128 000 tokens et les sorties structurées.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4o Search Preview est le modèle spécialisé d’OpenAI pour comprendre et exécuter des recherches sur le Web dans une requête conversationnelle. Son rôle est de relier une question aux informations récupérées sur le Web et de produire une réponse textuelle. OpenAI a introduit ce modèle adapté à la recherche comme un choix distinct, avec un processus de recherche intégré à ce mode de fonctionnement du modèle plutôt que sélectionné comme une fonction externe quelconque.
La recherche se déroule avant la génération de la réponse. Cela rend le modèle utile pour les questions dépendant d’informations publiées : documentation de produits, évolutions récentes, descriptions publiques ou comparaisons de sources. Définissez le sujet, la période, le lieu et les critères de sélection lorsqu’ils influencent la question. Une application possible peut demander une note de recherche identifiant les constats les plus pertinents et les différences entre des rapports publiés.
La réponse de recherche documentée associe un texte rédigé à des citations. Les informations sources sont aussi représentées par des annotations de citation contenant le titre et l’adresse de la page citée ainsi que la position de la référence dans la réponse. Dans une application destinée aux utilisateurs finaux, le fabricant exige que les citations restent visibles et cliquables. Le lecteur peut ainsi examiner la page associée à une affirmation particulière de la réponse.
La spécification du modèle indique une entrée et une sortie textuelles, une fenêtre de contexte de 128 000 tokens et jusqu’à 16 384 tokens en sortie. Sa date limite des connaissances documentée est le 1er octobre 2023 ; la recherche sur le Web apporte des informations au-delà des connaissances internes du modèle lorsqu’elle les trouve. Les images, l’audio et la vidéo ne sont pas des modalités d’entrée prises en charge dans cette configuration. Le streaming et Structured Outputs sont répertoriés comme pris en charge, tandis que l’appel de fonctions, l’ajustement fin et Predicted Outputs ne le sont pas.
Il s’agit d’un processus de recherche spécialisé dans Chat Completions. Le fabricant le distingue de son outil de recherche généraliste plus récent : l’ancien modèle ne fournit pas les filtres de domaines, les réglages de liste complète des sources, les options d’accès en direct ni les réglages du budget de tokens renvoyés de cet outil. Son comportement de recherche avant la réponse diffère aussi d’un appel d’outil facultatif. Ces limites aident à définir une tâche de recherche ciblée sans attribuer à l’édition Preview des capacités d’outils sans rapport avec elle.
Pour un assistant de recherche utilisant Ailoot API, précisez la question à traiter et le résultat souhaité : une synthèse étayée par des sources, un tableau comparatif ou un plan de rapport. Demandez-lui de distinguer les faits trouvés dans les sources des conclusions que vous souhaitez en tirer. Gardez la question et le résultat souhaité explicites pour que la réponse citant ses sources puisse être évaluée au regard de l’objectif de recherche.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-4o-search-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 $0.005 / 1K tokens Sortie · Tokens en sortie $0.02 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gpt-4o-search-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4o-search-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-4o-search-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-4o-search-preview
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Research an official accessibility standard\n\nFind the W3C WCAG 2.2 recommendation and prepare a short research brief about the Focus Not Obscured (Minimum) success criterion. State its number, level and practical purpose. Cite the official W3C source with a visible link, distinguish the criterion from your implementation advice and avoid adding an unsupported compliance claim.A short sourced brief with criterion number, level, practical explanation and a clickable official citation.Open the cited official page and check that the number, level and wording support the brief.