Az OpenAI GPT-3.5 Turbo 1106 a gpt-3.5-turbo-1106 azonosítóval jelölt GPT-3.5 Turbo kiadás. Természetes nyelvet és kódot ért meg és generál; beszélgetésre tervezett felépítése nem beszélgetéses szöveges feladatokat is támogat. Dokumentált kiadásbeli változásai közé tartozik az alapértelmezett 16K méretű kontextusablak, a javított utasításkövetés, a JSON-mód és a párhuzamos függvényhívás. A kifejezett 1106-os azonosító megkülönbözteti ezt a profilt a 0613-as kiadástól, a későbbi 0125-ös pillanatképtől és a GPT-3.5 Turbo Instruct modelltől.
A feladathoz adja meg a releváns szöveget, a válaszra vonatkozó szabályokat és az eredmény kívánt formáját. Ügyfélszolgálati válaszhoz mellékelje az ügyfél kérdését és a vonatkozó termékinformációkat. Adatkinyerésnél nevezze meg az azonosítandó mezőket, és mondja el, mi történjen egy mező hiánya esetén. Kódolási feladathoz adja meg a releváns kódot, az elvárt működést és a kezelendő hibát vagy korlátot. A 16K méretű kontextuskeret helyet ad a kiegészítő anyagnak; nem ígéret arra, hogy a modell minden részletet helyesen használ, vagy a válasz ugyanolyan hosszú lehet, mint a bemenet.
Az OpenAI a GPT-3.5 Turbo családhoz 2021. szeptemberi ismeretzárást ad meg. Mellékeljen mérvadó anyagot, ha a válasz későbbi információktól vagy a projektjére jellemző tényektől függ. Kérje, hogy a modell különböztesse meg a megadott szövegben szereplő információt a saját következtetéseitől. Ha meghatározott formátumú választ kér, határozza meg ezt a formátumot kifejezetten, ne bízza a modellre a mezők, mértékegységek vagy konvenciók kitalálását.
A JSON-mód célja szintaktikailag érvényes JSON előállítása. Hasznos, ha a szövegből való adatkinyeréshez vagy osztályozáshoz olyan objektum kell, amelyet egy alkalmazás feldolgozhat. Adjon kifejezett utasítást JSON előállítására, és határozza meg a kötelező kulcsokat, értéktípusokat és az ismeretlen információ kezelését. Az OpenAI figyelmeztet, hogy a JSON-utasítás kihagyása a tokenkorlát eléréséig tartó üreskarakter-generáláshoz vezethet. A teljes választ attól a kimenettől is meg kell különböztetni, amely az objektum befejezése előtt megszakadt.
Az érvényes JSON önmagában nem garantál sem egy adott sémához való igazodást, sem az értékek helyességét. Rekordkinyerési feladatnál ellenőrizze, hogy a kötelező kulcsok jelen vannak-e, és minden kinyert értéket alátámaszt-e a bemenet. A JSON-módot nem szabad a későbbi Structured Outputs funkció sémagaranciájával azonosítani. Ez a különbség akkor lényeges, ha a kimenet űrlapot tölt ki, címkét választ ki vagy egy másik munkafolyamat bemenete lesz.
Az 1106-os kiadás támogatja a párhuzamos függvényhívást, így a modell egy válaszban egynél több függvényhívást is javasolhat. Ez több, az alkalmazás által meghatározott műveletet vagy független információlekérdezést igénylő feladatnál lehet hasznos. Írja le világosan az egyes függvények célját és elvárt bemeneteit. A környező alkalmazás hajtja végre a műveletet és adja meg az eredményt; egy generált függvényhívás önmagában nem bizonyítja, hogy egy művelet befejeződött. Ellenőrizze a javasolt argumentumokat, és a szöveges választ a ténylegesen visszakapott eredményekre alapozza.
Az OpenAI kiadásbejelentése dokumentálja az új, 16K méretű GPT-3.5 Turbo modell finomhangolását. A finomhangolt modell külön előkészített változat, nem az alapkiadáshoz intézett minden kérés automatikus tulajdonsága. Általános használatkor kezdjen egyértelmű utasítással és a kívánt választ bemutató releváns példákkal. Adatkinyerési vagy átírási feladatleírásban a példák szemléltessék a lényeges különbségeket, például egy hiányzó értéket vagy egy változatlanul megőrzendő kifejezést.
Hasznos kimenet lehet a megadott termékinformációra épülő ügyfélszolgálati válasz, ellenőrzött JSON-rekord, tömör kódmagyarázat vagy a megadott korlátok szerint átírt szövegrész. Vesse össze az eredményt a forrásszöveggel és a kért formátummal. Kód esetén ellenőrizze a javasolt változtatást a célprojektben; adatkinyerésnél ellenőrizze az értékeket és a hiányzó mezők kezelését. E kiadás értékét a konkrét szövegkezelési, formátumkövetési és függvényhívási képességei adják, olyan bemenetre alkalmazva, amelynek kívánt eredménye világos.
", "aboutText": "Az OpenAI GPT-3.5 Turbo 1106 a gpt-3.5-turbo-1106 azonosítóval jelölt GPT-3.5 Turbo kiadás. Természetes nyelvet és kódot ért meg és generál; beszélgetésre tervezett felépítése nem beszélgetéses szöveges feladatokat is támogat. Dokumentált kiadásbeli változásai közé tartozik az alapértelmezett 16K méretű kontextusablak, a javított utasításkövetés, a JSON-mód és a párhuzamos függvényhívás. A kifejezett 1106-os azonosító megkülönbözteti ezt a profilt a 0613-as kiadástól, a későbbi 0125-ös pillanatképtől és a GPT-3.5 Turbo Instruct modelltől.\n\n### Utasítások és bemeneti kontextus\n\nA feladathoz adja meg a releváns szöveget, a válaszra vonatkozó szabályokat és az eredmény kívánt formáját. Ügyfélszolgálati válaszhoz mellékelje az ügyfél kérdését és a vonatkozó termékinformációkat. Adatkinyerésnél nevezze meg az azonosítandó mezőket, és mondja el, mi történjen egy mező hiánya esetén. Kódolási feladathoz adja meg a releváns kódot, az elvárt működést és a kezelendő hibát vagy korlátot. A 16K méretű kontextuskeret helyet ad a kiegészítő anyagnak; nem ígéret arra, hogy a modell minden részletet helyesen használ, vagy a válasz ugyanolyan hosszú lehet, mint a bemenet.\n\nAz OpenAI a GPT-3.5 Turbo családhoz 2021. szeptemberi ismeretzárást ad meg. Mellékeljen mérvadó anyagot, ha a válasz későbbi információktól vagy a projektjére jellemző tényektől függ. Kérje, hogy a modell különböztesse meg a megadott szövegben szereplő információt a saját következtetéseitől. Ha meghatározott formátumú választ kér, határozza meg ezt a formátumot kifejezetten, ne bízza a modellre a mezők, mértékegységek vagy konvenciók kitalálását.\n\n### JSON-mód és sémaellenőrzések\n\nA JSON-mód célja szintaktikailag érvényes JSON előállítása. Hasznos, ha a szövegből való adatkinyeréshez vagy osztályozáshoz olyan objektum kell, amelyet egy alkalmazás feldolgozhat. Adjon kifejezett utasítást JSON előállítására, és határozza meg a kötelező kulcsokat, értéktípusokat és az ismeretlen információ kezelését. Az OpenAI figyelmeztet, hogy a JSON-utasítás kihagyása a tokenkorlát eléréséig tartó üreskarakter-generáláshoz vezethet. A teljes választ attól a kimenettől is meg kell különböztetni, amely az objektum befejezése előtt megszakadt.\n\nAz érvényes JSON önmagában nem garantál sem egy adott sémához való igazodást, sem az értékek helyességét. Rekordkinyerési feladatnál ellenőrizze, hogy a kötelező kulcsok jelen vannak-e, és minden kinyert értéket alátámaszt-e a bemenet. A JSON-módot nem szabad a későbbi Structured Outputs funkció sémagaranciájával azonosítani. Ez a különbség akkor lényeges, ha a kimenet űrlapot tölt ki, címkét választ ki vagy egy másik munkafolyamat bemenete lesz.\n\n### Párhuzamos függvényhívás\n\nAz 1106-os kiadás támogatja a párhuzamos függvényhívást, így a modell egy válaszban egynél több függvényhívást is javasolhat. Ez több, az alkalmazás által meghatározott műveletet vagy független információlekérdezést igénylő feladatnál lehet hasznos. Írja le világosan az egyes függvények célját és elvárt bemeneteit. A környező alkalmazás hajtja végre a műveletet és adja meg az eredményt; egy generált függvényhívás önmagában nem bizonyítja, hogy egy művelet befejeződött. Ellenőrizze a javasolt argumentumokat, és a szöveges választ a ténylegesen visszakapott eredményekre alapozza.\n\n### Finomhangolás és gyakorlati használat\n\nAz OpenAI kiadásbejelentése dokumentálja az új, 16K méretű GPT-3.5 Turbo modell finomhangolását. A finomhangolt modell külön előkészített változat, nem az alapkiadáshoz intézett minden kérés automatikus tulajdonsága. Általános használatkor kezdjen egyértelmű utasítással és a kívánt választ bemutató releváns példákkal. Adatkinyerési vagy átírási feladatleírásban a példák szemléltessék a lényeges különbségeket, például egy hiányzó értéket vagy egy változatlanul megőrzendő kifejezést.\n\nHasznos kimenet lehet a megadott termékinformációra épülő ügyfélszolgálati válasz, ellenőrzött JSON-rekord, tömör kódmagyarázat vagy a megadott korlátok szerint átírt szövegrész. Vesse össze az eredményt a forrásszöveggel és a kért formátummal. Kód esetén ellenőrizze a javasolt változtatást a célprojektben; adatkinyerésnél ellenőrizze az értékeket és a hiányzó mezők kezelését. E kiadás értékét a konkrét szövegkezelési, formátumkövetési és függvényhívási képességei adják, olyan bemenetre alkalmazva, amelynek kívánt eredménye világos.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Request an extraction object\n\nExtract an appointment record from: "Visit V-17 is on 12 December at 10:30 with Morgan. No room assigned." Return only a JSON object with keys visit_id, date_text, time_text, contact and room. Use strings for known values and null for the missing room. Do not infer a year or location.One requested JSON object with five keys; room is null and the date remains textual.Parse the returned JSON and compare every value with the sentence; formatting alone does not establish correctness.gpt-3.5-turbo-1106Az OpenAI GPT-3.5 Turbo 1106 a névvel jelölt szöveges modellkiadás 16K méretű kontextusablakkal, javított utasításkövetéssel, JSON-móddal és párhuzamos függvényhívással. Beszélgetéses segítségnyújtáshoz, szövegből történő adatkinyeréshez, valamint egyértelműen meghatározott kimenetű kódolási vagy tartalomkészítési feladatokhoz használható.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
Az OpenAI GPT-3.5 Turbo 1106 a gpt-3.5-turbo-1106 azonosítóval jelölt GPT-3.5 Turbo kiadás. Természetes nyelvet és kódot ért meg és generál; beszélgetésre tervezett felépítése nem beszélgetéses szöveges feladatokat is támogat. Dokumentált kiadásbeli változásai közé tartozik az alapértelmezett 16K méretű kontextusablak, a javított utasításkövetés, a JSON-mód és a párhuzamos függvényhívás. A kifejezett 1106-os azonosító megkülönbözteti ezt a profilt a 0613-as kiadástól, a későbbi 0125-ös pillanatképtől és a GPT-3.5 Turbo Instruct modelltől.
A feladathoz adja meg a releváns szöveget, a válaszra vonatkozó szabályokat és az eredmény kívánt formáját. Ügyfélszolgálati válaszhoz mellékelje az ügyfél kérdését és a vonatkozó termékinformációkat. Adatkinyerésnél nevezze meg az azonosítandó mezőket, és mondja el, mi történjen egy mező hiánya esetén. Kódolási feladathoz adja meg a releváns kódot, az elvárt működést és a kezelendő hibát vagy korlátot. A 16K méretű kontextuskeret helyet ad a kiegészítő anyagnak; nem ígéret arra, hogy a modell minden részletet helyesen használ, vagy a válasz ugyanolyan hosszú lehet, mint a bemenet.
Az OpenAI a GPT-3.5 Turbo családhoz 2021. szeptemberi ismeretzárást ad meg. Mellékeljen mérvadó anyagot, ha a válasz későbbi információktól vagy a projektjére jellemző tényektől függ. Kérje, hogy a modell különböztesse meg a megadott szövegben szereplő információt a saját következtetéseitől. Ha meghatározott formátumú választ kér, határozza meg ezt a formátumot kifejezetten, ne bízza a modellre a mezők, mértékegységek vagy konvenciók kitalálását.
A JSON-mód célja szintaktikailag érvényes JSON előállítása. Hasznos, ha a szövegből való adatkinyeréshez vagy osztályozáshoz olyan objektum kell, amelyet egy alkalmazás feldolgozhat. Adjon kifejezett utasítást JSON előállítására, és határozza meg a kötelező kulcsokat, értéktípusokat és az ismeretlen információ kezelését. Az OpenAI figyelmeztet, hogy a JSON-utasítás kihagyása a tokenkorlát eléréséig tartó üreskarakter-generáláshoz vezethet. A teljes választ attól a kimenettől is meg kell különböztetni, amely az objektum befejezése előtt megszakadt.
Az érvényes JSON önmagában nem garantál sem egy adott sémához való igazodást, sem az értékek helyességét. Rekordkinyerési feladatnál ellenőrizze, hogy a kötelező kulcsok jelen vannak-e, és minden kinyert értéket alátámaszt-e a bemenet. A JSON-módot nem szabad a későbbi Structured Outputs funkció sémagaranciájával azonosítani. Ez a különbség akkor lényeges, ha a kimenet űrlapot tölt ki, címkét választ ki vagy egy másik munkafolyamat bemenete lesz.
Az 1106-os kiadás támogatja a párhuzamos függvényhívást, így a modell egy válaszban egynél több függvényhívást is javasolhat. Ez több, az alkalmazás által meghatározott műveletet vagy független információlekérdezést igénylő feladatnál lehet hasznos. Írja le világosan az egyes függvények célját és elvárt bemeneteit. A környező alkalmazás hajtja végre a műveletet és adja meg az eredményt; egy generált függvényhívás önmagában nem bizonyítja, hogy egy művelet befejeződött. Ellenőrizze a javasolt argumentumokat, és a szöveges választ a ténylegesen visszakapott eredményekre alapozza.
Az OpenAI kiadásbejelentése dokumentálja az új, 16K méretű GPT-3.5 Turbo modell finomhangolását. A finomhangolt modell külön előkészített változat, nem az alapkiadáshoz intézett minden kérés automatikus tulajdonsága. Általános használatkor kezdjen egyértelmű utasítással és a kívánt választ bemutató releváns példákkal. Adatkinyerési vagy átírási feladatleírásban a példák szemléltessék a lényeges különbségeket, például egy hiányzó értéket vagy egy változatlanul megőrzendő kifejezést.
Hasznos kimenet lehet a megadott termékinformációra épülő ügyfélszolgálati válasz, ellenőrzött JSON-rekord, tömör kódmagyarázat vagy a megadott korlátok szerint átírt szövegrész. Vesse össze az eredményt a forrásszöveggel és a kért formátummal. Kód esetén ellenőrizze a javasolt változtatást a célprojektben; adatkinyerésnél ellenőrizze az értékeket és a hiányzó mezők kezelését. E kiadás értékét a konkrét szövegkezelési, formátumkövetési és függvényhívási képességei adják, olyan bemenetre alkalmazva, amelynek kívánt eredménye világos.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok gpt-3.5-turbo-1106 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.002 / 1K token Kimenet · Kimeneti tokenek $0.004 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-3.5-turbo-1106", "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-3.5-turbo-1106',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-3.5-turbo-1106',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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra gpt-3.5-turbo-1106
Használja a fent látható metódusútvonalakat.
gpt-3.5-turbo-1106Az OpenAI GPT-3.5 Turbo 1106 a névvel jelölt szöveges modellkiadás 16K méretű kontextusablakkal, javított utasításkövetéssel, JSON-móddal és párhuzamos függvényhívással. Beszélgetéses segítségnyújtáshoz, szövegből történő adatkinyeréshez, valamint egyértelműen meghatározott kimenetű kódolási vagy tartalomkészítési feladatokhoz használható.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
Az OpenAI GPT-3.5 Turbo 1106 a gpt-3.5-turbo-1106 azonosítóval jelölt GPT-3.5 Turbo kiadás. Természetes nyelvet és kódot ért meg és generál; beszélgetésre tervezett felépítése nem beszélgetéses szöveges feladatokat is támogat. Dokumentált kiadásbeli változásai közé tartozik az alapértelmezett 16K méretű kontextusablak, a javított utasításkövetés, a JSON-mód és a párhuzamos függvényhívás. A kifejezett 1106-os azonosító megkülönbözteti ezt a profilt a 0613-as kiadástól, a későbbi 0125-ös pillanatképtől és a GPT-3.5 Turbo Instruct modelltől.
A feladathoz adja meg a releváns szöveget, a válaszra vonatkozó szabályokat és az eredmény kívánt formáját. Ügyfélszolgálati válaszhoz mellékelje az ügyfél kérdését és a vonatkozó termékinformációkat. Adatkinyerésnél nevezze meg az azonosítandó mezőket, és mondja el, mi történjen egy mező hiánya esetén. Kódolási feladathoz adja meg a releváns kódot, az elvárt működést és a kezelendő hibát vagy korlátot. A 16K méretű kontextuskeret helyet ad a kiegészítő anyagnak; nem ígéret arra, hogy a modell minden részletet helyesen használ, vagy a válasz ugyanolyan hosszú lehet, mint a bemenet.
Az OpenAI a GPT-3.5 Turbo családhoz 2021. szeptemberi ismeretzárást ad meg. Mellékeljen mérvadó anyagot, ha a válasz későbbi információktól vagy a projektjére jellemző tényektől függ. Kérje, hogy a modell különböztesse meg a megadott szövegben szereplő információt a saját következtetéseitől. Ha meghatározott formátumú választ kér, határozza meg ezt a formátumot kifejezetten, ne bízza a modellre a mezők, mértékegységek vagy konvenciók kitalálását.
A JSON-mód célja szintaktikailag érvényes JSON előállítása. Hasznos, ha a szövegből való adatkinyeréshez vagy osztályozáshoz olyan objektum kell, amelyet egy alkalmazás feldolgozhat. Adjon kifejezett utasítást JSON előállítására, és határozza meg a kötelező kulcsokat, értéktípusokat és az ismeretlen információ kezelését. Az OpenAI figyelmeztet, hogy a JSON-utasítás kihagyása a tokenkorlát eléréséig tartó üreskarakter-generáláshoz vezethet. A teljes választ attól a kimenettől is meg kell különböztetni, amely az objektum befejezése előtt megszakadt.
Az érvényes JSON önmagában nem garantál sem egy adott sémához való igazodást, sem az értékek helyességét. Rekordkinyerési feladatnál ellenőrizze, hogy a kötelező kulcsok jelen vannak-e, és minden kinyert értéket alátámaszt-e a bemenet. A JSON-módot nem szabad a későbbi Structured Outputs funkció sémagaranciájával azonosítani. Ez a különbség akkor lényeges, ha a kimenet űrlapot tölt ki, címkét választ ki vagy egy másik munkafolyamat bemenete lesz.
Az 1106-os kiadás támogatja a párhuzamos függvényhívást, így a modell egy válaszban egynél több függvényhívást is javasolhat. Ez több, az alkalmazás által meghatározott műveletet vagy független információlekérdezést igénylő feladatnál lehet hasznos. Írja le világosan az egyes függvények célját és elvárt bemeneteit. A környező alkalmazás hajtja végre a műveletet és adja meg az eredményt; egy generált függvényhívás önmagában nem bizonyítja, hogy egy művelet befejeződött. Ellenőrizze a javasolt argumentumokat, és a szöveges választ a ténylegesen visszakapott eredményekre alapozza.
Az OpenAI kiadásbejelentése dokumentálja az új, 16K méretű GPT-3.5 Turbo modell finomhangolását. A finomhangolt modell külön előkészített változat, nem az alapkiadáshoz intézett minden kérés automatikus tulajdonsága. Általános használatkor kezdjen egyértelmű utasítással és a kívánt választ bemutató releváns példákkal. Adatkinyerési vagy átírási feladatleírásban a példák szemléltessék a lényeges különbségeket, például egy hiányzó értéket vagy egy változatlanul megőrzendő kifejezést.
Hasznos kimenet lehet a megadott termékinformációra épülő ügyfélszolgálati válasz, ellenőrzött JSON-rekord, tömör kódmagyarázat vagy a megadott korlátok szerint átírt szövegrész. Vesse össze az eredményt a forrásszöveggel és a kért formátummal. Kód esetén ellenőrizze a javasolt változtatást a célprojektben; adatkinyerésnél ellenőrizze az értékeket és a hiányzó mezők kezelését. E kiadás értékét a konkrét szövegkezelési, formátumkövetési és függvényhívási képességei adják, olyan bemenetre alkalmazva, amelynek kívánt eredménye világos.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok gpt-3.5-turbo-1106 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.002 / 1K token Kimenet · Kimeneti tokenek $0.004 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "gpt-3.5-turbo-1106",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.5-turbo-1106', '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-3.5-turbo-1106', '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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra gpt-3.5-turbo-1106
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Request an extraction object\n\nExtract an appointment record from: "Visit V-17 is on 12 December at 10:30 with Morgan. No room assigned." Return only a JSON object with keys visit_id, date_text, time_text, contact and room. Use strings for known values and null for the missing room. Do not infer a year or location.One requested JSON object with five keys; room is null and the date remains textual.Parse the returned JSON and compare every value with the sentence; formatting alone does not establish correctness.