GPT-4o mini adalah model kecil OpenAI untuk tugas yang terarah. Model ini menerima teks dan gambar serta mengembalikan teks, termasuk respons terstruktur. Tugas dapat menggabungkan instruksi singkat dengan bagian teks, tangkapan layar, atau gambar lain yang relevan, lalu meminta hasil tertentu seperti field hasil ekstraksi, kategori, atau draf balasan.
Untuk klasifikasi pesan, berikan kategori dan jelaskan cara menangani pesan yang cocok dengan lebih dari satu kategori. Mintalah kategori yang dipilih dan bagian pesan yang mendukungnya. Untuk ekstraksi, sebutkan field serta penanganan nilai yang tidak terdapat dalam sumber. Pertahankan pengenal asli agar setiap hasil dapat ditelusuri ke masukannya.
Tugas penyusunan draf dapat menyertakan pertanyaan pelanggan, informasi produk yang relevan, dan pokok yang harus disampaikan dalam balasan. Mintalah respons dengan panjang atau nada tertentu. Untuk penulisan ulang, berikan bagian teks asli dan nyatakan apa yang boleh berubah: kata-kata, panjang, atau susunan. Sebutkan secara eksplisit nama, kuantitas, dan makna yang dimaksud.
Tugas gambar dapat meminta pesan yang terlihat dalam tangkapan layar, deskripsi detail produk, atau perbandingan antara dua gambar berlabel. Tunjukkan area yang relevan dan nyatakan isi hasil yang diinginkan. Untuk kesalahan di layar, misalnya, mintalah teks kesalahan yang dapat dibaca dan elemen antarmuka terkait. Periksa detail hasil ekstraksi berdasarkan gambar yang diberikan sebelum meneruskannya ke operasi lain.
Keluaran model yang didokumentasikan adalah teks. Karena itu, pertanyaan visual menghasilkan penjelasan, deskripsi, atau informasi yang diekstrak dari gambar masukan. Berikan sumber yang dapat dibaca dan pertahankan labelnya ketika beberapa gambar muncul dalam satu tugas.
OpenAI mendokumentasikan Structured Outputs dan pemanggilan fungsi untuk GPT-4o mini. Respons terstruktur dapat mengikuti nama dan tipe field yang dipilih untuk aplikasi. Periksa struktur maupun kontennya berdasarkan masukan sebelum menyimpan atau menggunakan hasil.
Dalam alur fungsi, aplikasi menyediakan fungsi dan menjalankan panggilan yang diminta. Aplikasi kemudian mengembalikan hasil sebenarnya untuk digunakan model. Deskripsi fungsi yang terarah dan aturan argumen yang eksplisit membantu menjaga hubungan permintaan dengan tugas yang dilakukan.
Produsen mencantumkan jendela konteks 128000 token dan keluaran maksimum 16384 token untuk snapshot yang didokumentasikan. Gunakan konteks untuk materi yang relevan dan sisakan ruang untuk jawaban. Ekstraksi terarah mungkin hanya memerlukan beberapa field; perbandingan dokumen yang lebih panjang terbantu oleh kutipan berlabel dan pertanyaan yang jelas.
", "aboutText": "GPT-4o mini adalah model kecil OpenAI untuk tugas yang terarah. Model ini menerima teks dan gambar serta mengembalikan teks, termasuk respons terstruktur. Tugas dapat menggabungkan instruksi singkat dengan bagian teks, tangkapan layar, atau gambar lain yang relevan, lalu meminta hasil tertentu seperti field hasil ekstraksi, kategori, atau draf balasan.\n\n### Ubah materi yang diberikan menjadi hasil ringkas\n\nUntuk klasifikasi pesan, berikan kategori dan jelaskan cara menangani pesan yang cocok dengan lebih dari satu kategori. Mintalah kategori yang dipilih dan bagian pesan yang mendukungnya. Untuk ekstraksi, sebutkan field serta penanganan nilai yang tidak terdapat dalam sumber. Pertahankan pengenal asli agar setiap hasil dapat ditelusuri ke masukannya.\n\nTugas penyusunan draf dapat menyertakan pertanyaan pelanggan, informasi produk yang relevan, dan pokok yang harus disampaikan dalam balasan. Mintalah respons dengan panjang atau nada tertentu. Untuk penulisan ulang, berikan bagian teks asli dan nyatakan apa yang boleh berubah: kata-kata, panjang, atau susunan. Sebutkan secara eksplisit nama, kuantitas, dan makna yang dimaksud.\n\n### Ajukan pertanyaan yang tepat tentang gambar\n\nTugas gambar dapat meminta pesan yang terlihat dalam tangkapan layar, deskripsi detail produk, atau perbandingan antara dua gambar berlabel. Tunjukkan area yang relevan dan nyatakan isi hasil yang diinginkan. Untuk kesalahan di layar, misalnya, mintalah teks kesalahan yang dapat dibaca dan elemen antarmuka terkait. Periksa detail hasil ekstraksi berdasarkan gambar yang diberikan sebelum meneruskannya ke operasi lain.\n\nKeluaran model yang didokumentasikan adalah teks. Karena itu, pertanyaan visual menghasilkan penjelasan, deskripsi, atau informasi yang diekstrak dari gambar masukan. Berikan sumber yang dapat dibaca dan pertahankan labelnya ketika beberapa gambar muncul dalam satu tugas.\n\n### Bentuk jawaban untuk aplikasi\n\nOpenAI mendokumentasikan Structured Outputs dan pemanggilan fungsi untuk GPT-4o mini. Respons terstruktur dapat mengikuti nama dan tipe field yang dipilih untuk aplikasi. Periksa struktur maupun kontennya berdasarkan masukan sebelum menyimpan atau menggunakan hasil.\n\nDalam alur fungsi, aplikasi menyediakan fungsi dan menjalankan panggilan yang diminta. Aplikasi kemudian mengembalikan hasil sebenarnya untuk digunakan model. Deskripsi fungsi yang terarah dan aturan argumen yang eksplisit membantu menjaga hubungan permintaan dengan tugas yang dilakukan.\n\nProdusen mencantumkan jendela konteks 128000 token dan keluaran maksimum 16384 token untuk snapshot yang didokumentasikan. Gunakan konteks untuk materi yang relevan dan sisakan ruang untuk jawaban. Ekstraksi terarah mungkin hanya memerlukan beberapa field; perbandingan dokumen yang lebih panjang terbantu oleh kutipan berlabel dan pertanyaan yang jelas.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Extract an appointment request\n\nExtract fields from this message: 'Hi, I am Morgan. Please move booking B-18 from Tuesday to Friday afternoon; I cannot attend in the morning.' Return name, booking ID, current day, requested day and time preference. Preserve the reference exactly and mark any precise requested time as unknown.A compact labelled record with the five requested fields and an explicit unknown precise time.Friday afternoon is a preference rather than an invented clock time, and B-18 remains exact.gpt-4o-miniGPT-4o mini adalah model kecil OpenAI untuk tugas teks dan gambar yang terarah. Gunakan untuk mengklasifikasikan pesan, mengekstrak field dari materi yang diberikan, menjelaskan tangkapan layar, atau menyusun draf balasan, dengan keluaran teks serta dukungan Structured Outputs dan pemanggilan fungsi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
GPT-4o mini adalah model kecil OpenAI untuk tugas yang terarah. Model ini menerima teks dan gambar serta mengembalikan teks, termasuk respons terstruktur. Tugas dapat menggabungkan instruksi singkat dengan bagian teks, tangkapan layar, atau gambar lain yang relevan, lalu meminta hasil tertentu seperti field hasil ekstraksi, kategori, atau draf balasan.
Untuk klasifikasi pesan, berikan kategori dan jelaskan cara menangani pesan yang cocok dengan lebih dari satu kategori. Mintalah kategori yang dipilih dan bagian pesan yang mendukungnya. Untuk ekstraksi, sebutkan field serta penanganan nilai yang tidak terdapat dalam sumber. Pertahankan pengenal asli agar setiap hasil dapat ditelusuri ke masukannya.
Tugas penyusunan draf dapat menyertakan pertanyaan pelanggan, informasi produk yang relevan, dan pokok yang harus disampaikan dalam balasan. Mintalah respons dengan panjang atau nada tertentu. Untuk penulisan ulang, berikan bagian teks asli dan nyatakan apa yang boleh berubah: kata-kata, panjang, atau susunan. Sebutkan secara eksplisit nama, kuantitas, dan makna yang dimaksud.
Tugas gambar dapat meminta pesan yang terlihat dalam tangkapan layar, deskripsi detail produk, atau perbandingan antara dua gambar berlabel. Tunjukkan area yang relevan dan nyatakan isi hasil yang diinginkan. Untuk kesalahan di layar, misalnya, mintalah teks kesalahan yang dapat dibaca dan elemen antarmuka terkait. Periksa detail hasil ekstraksi berdasarkan gambar yang diberikan sebelum meneruskannya ke operasi lain.
Keluaran model yang didokumentasikan adalah teks. Karena itu, pertanyaan visual menghasilkan penjelasan, deskripsi, atau informasi yang diekstrak dari gambar masukan. Berikan sumber yang dapat dibaca dan pertahankan labelnya ketika beberapa gambar muncul dalam satu tugas.
OpenAI mendokumentasikan Structured Outputs dan pemanggilan fungsi untuk GPT-4o mini. Respons terstruktur dapat mengikuti nama dan tipe field yang dipilih untuk aplikasi. Periksa struktur maupun kontennya berdasarkan masukan sebelum menyimpan atau menggunakan hasil.
Dalam alur fungsi, aplikasi menyediakan fungsi dan menjalankan panggilan yang diminta. Aplikasi kemudian mengembalikan hasil sebenarnya untuk digunakan model. Deskripsi fungsi yang terarah dan aturan argumen yang eksplisit membantu menjaga hubungan permintaan dengan tugas yang dilakukan.
Produsen mencantumkan jendela konteks 128000 token dan keluaran maksimum 16384 token untuk snapshot yang didokumentasikan. Gunakan konteks untuk materi yang relevan dan sisakan ruang untuk jawaban. Ekstraksi terarah mungkin hanya memerlukan beberapa field; perbandingan dokumen yang lebih panjang terbantu oleh kutipan berlabel dan pertanyaan yang jelas.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gpt-4o-mini | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Percakapan teks | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPercakapan teks; stream adalah nilai boolean dengan false sebagai bawaan. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias metode: /chat/completions
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0003 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00015 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0003 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00015 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-4o-mini","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-mini", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gpt-4o-mini, openai/gpt-4o-mini
/chat/completions
gpt-4o-miniGPT-4o mini adalah model kecil OpenAI untuk tugas teks dan gambar yang terarah. Gunakan untuk mengklasifikasikan pesan, mengekstrak field dari materi yang diberikan, menjelaskan tangkapan layar, atau menyusun draf balasan, dengan keluaran teks serta dukungan Structured Outputs dan pemanggilan fungsi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
GPT-4o mini adalah model kecil OpenAI untuk tugas yang terarah. Model ini menerima teks dan gambar serta mengembalikan teks, termasuk respons terstruktur. Tugas dapat menggabungkan instruksi singkat dengan bagian teks, tangkapan layar, atau gambar lain yang relevan, lalu meminta hasil tertentu seperti field hasil ekstraksi, kategori, atau draf balasan.
Untuk klasifikasi pesan, berikan kategori dan jelaskan cara menangani pesan yang cocok dengan lebih dari satu kategori. Mintalah kategori yang dipilih dan bagian pesan yang mendukungnya. Untuk ekstraksi, sebutkan field serta penanganan nilai yang tidak terdapat dalam sumber. Pertahankan pengenal asli agar setiap hasil dapat ditelusuri ke masukannya.
Tugas penyusunan draf dapat menyertakan pertanyaan pelanggan, informasi produk yang relevan, dan pokok yang harus disampaikan dalam balasan. Mintalah respons dengan panjang atau nada tertentu. Untuk penulisan ulang, berikan bagian teks asli dan nyatakan apa yang boleh berubah: kata-kata, panjang, atau susunan. Sebutkan secara eksplisit nama, kuantitas, dan makna yang dimaksud.
Tugas gambar dapat meminta pesan yang terlihat dalam tangkapan layar, deskripsi detail produk, atau perbandingan antara dua gambar berlabel. Tunjukkan area yang relevan dan nyatakan isi hasil yang diinginkan. Untuk kesalahan di layar, misalnya, mintalah teks kesalahan yang dapat dibaca dan elemen antarmuka terkait. Periksa detail hasil ekstraksi berdasarkan gambar yang diberikan sebelum meneruskannya ke operasi lain.
Keluaran model yang didokumentasikan adalah teks. Karena itu, pertanyaan visual menghasilkan penjelasan, deskripsi, atau informasi yang diekstrak dari gambar masukan. Berikan sumber yang dapat dibaca dan pertahankan labelnya ketika beberapa gambar muncul dalam satu tugas.
OpenAI mendokumentasikan Structured Outputs dan pemanggilan fungsi untuk GPT-4o mini. Respons terstruktur dapat mengikuti nama dan tipe field yang dipilih untuk aplikasi. Periksa struktur maupun kontennya berdasarkan masukan sebelum menyimpan atau menggunakan hasil.
Dalam alur fungsi, aplikasi menyediakan fungsi dan menjalankan panggilan yang diminta. Aplikasi kemudian mengembalikan hasil sebenarnya untuk digunakan model. Deskripsi fungsi yang terarah dan aturan argumen yang eksplisit membantu menjaga hubungan permintaan dengan tugas yang dilakukan.
Produsen mencantumkan jendela konteks 128000 token dan keluaran maksimum 16384 token untuk snapshot yang didokumentasikan. Gunakan konteks untuk materi yang relevan dan sisakan ruang untuk jawaban. Ekstraksi terarah mungkin hanya memerlukan beberapa field; perbandingan dokumen yang lebih panjang terbantu oleh kutipan berlabel dan pertanyaan yang jelas.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gpt-4o-mini | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0003 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00015 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0003 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00015 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "gpt-4o-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-mini', '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-mini', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gpt-4o-mini, openai/gpt-4o-mini
/chat/completions
openai/gpt-4o-miniGPT-4o mini adalah model kecil OpenAI untuk tugas teks dan gambar yang terarah. Gunakan untuk mengklasifikasikan pesan, mengekstrak field dari materi yang diberikan, menjelaskan tangkapan layar, atau menyusun draf balasan, dengan keluaran teks serta dukungan Structured Outputs dan pemanggilan fungsi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
GPT-4o mini adalah model kecil OpenAI untuk tugas yang terarah. Model ini menerima teks dan gambar serta mengembalikan teks, termasuk respons terstruktur. Tugas dapat menggabungkan instruksi singkat dengan bagian teks, tangkapan layar, atau gambar lain yang relevan, lalu meminta hasil tertentu seperti field hasil ekstraksi, kategori, atau draf balasan.
Untuk klasifikasi pesan, berikan kategori dan jelaskan cara menangani pesan yang cocok dengan lebih dari satu kategori. Mintalah kategori yang dipilih dan bagian pesan yang mendukungnya. Untuk ekstraksi, sebutkan field serta penanganan nilai yang tidak terdapat dalam sumber. Pertahankan pengenal asli agar setiap hasil dapat ditelusuri ke masukannya.
Tugas penyusunan draf dapat menyertakan pertanyaan pelanggan, informasi produk yang relevan, dan pokok yang harus disampaikan dalam balasan. Mintalah respons dengan panjang atau nada tertentu. Untuk penulisan ulang, berikan bagian teks asli dan nyatakan apa yang boleh berubah: kata-kata, panjang, atau susunan. Sebutkan secara eksplisit nama, kuantitas, dan makna yang dimaksud.
Tugas gambar dapat meminta pesan yang terlihat dalam tangkapan layar, deskripsi detail produk, atau perbandingan antara dua gambar berlabel. Tunjukkan area yang relevan dan nyatakan isi hasil yang diinginkan. Untuk kesalahan di layar, misalnya, mintalah teks kesalahan yang dapat dibaca dan elemen antarmuka terkait. Periksa detail hasil ekstraksi berdasarkan gambar yang diberikan sebelum meneruskannya ke operasi lain.
Keluaran model yang didokumentasikan adalah teks. Karena itu, pertanyaan visual menghasilkan penjelasan, deskripsi, atau informasi yang diekstrak dari gambar masukan. Berikan sumber yang dapat dibaca dan pertahankan labelnya ketika beberapa gambar muncul dalam satu tugas.
OpenAI mendokumentasikan Structured Outputs dan pemanggilan fungsi untuk GPT-4o mini. Respons terstruktur dapat mengikuti nama dan tipe field yang dipilih untuk aplikasi. Periksa struktur maupun kontennya berdasarkan masukan sebelum menyimpan atau menggunakan hasil.
Dalam alur fungsi, aplikasi menyediakan fungsi dan menjalankan panggilan yang diminta. Aplikasi kemudian mengembalikan hasil sebenarnya untuk digunakan model. Deskripsi fungsi yang terarah dan aturan argumen yang eksplisit membantu menjaga hubungan permintaan dengan tugas yang dilakukan.
Produsen mencantumkan jendela konteks 128000 token dan keluaran maksimum 16384 token untuk snapshot yang didokumentasikan. Gunakan konteks untuk materi yang relevan dan sisakan ruang untuk jawaban. Ekstraksi terarah mungkin hanya memerlukan beberapa field; perbandingan dokumen yang lebih panjang terbantu oleh kutipan berlabel dan pertanyaan yang jelas.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan openai/gpt-4o-mini | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0003 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00015 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0003 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00015 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-4o-mini", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-4o-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-4o-mini',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gpt-4o-mini, openai/gpt-4o-mini
/chat/completions
openai/gpt-4o-miniGPT-4o mini adalah model kecil OpenAI untuk tugas teks dan gambar yang terarah. Gunakan untuk mengklasifikasikan pesan, mengekstrak field dari materi yang diberikan, menjelaskan tangkapan layar, atau menyusun draf balasan, dengan keluaran teks serta dukungan Structured Outputs dan pemanggilan fungsi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
GPT-4o mini adalah model kecil OpenAI untuk tugas yang terarah. Model ini menerima teks dan gambar serta mengembalikan teks, termasuk respons terstruktur. Tugas dapat menggabungkan instruksi singkat dengan bagian teks, tangkapan layar, atau gambar lain yang relevan, lalu meminta hasil tertentu seperti field hasil ekstraksi, kategori, atau draf balasan.
Untuk klasifikasi pesan, berikan kategori dan jelaskan cara menangani pesan yang cocok dengan lebih dari satu kategori. Mintalah kategori yang dipilih dan bagian pesan yang mendukungnya. Untuk ekstraksi, sebutkan field serta penanganan nilai yang tidak terdapat dalam sumber. Pertahankan pengenal asli agar setiap hasil dapat ditelusuri ke masukannya.
Tugas penyusunan draf dapat menyertakan pertanyaan pelanggan, informasi produk yang relevan, dan pokok yang harus disampaikan dalam balasan. Mintalah respons dengan panjang atau nada tertentu. Untuk penulisan ulang, berikan bagian teks asli dan nyatakan apa yang boleh berubah: kata-kata, panjang, atau susunan. Sebutkan secara eksplisit nama, kuantitas, dan makna yang dimaksud.
Tugas gambar dapat meminta pesan yang terlihat dalam tangkapan layar, deskripsi detail produk, atau perbandingan antara dua gambar berlabel. Tunjukkan area yang relevan dan nyatakan isi hasil yang diinginkan. Untuk kesalahan di layar, misalnya, mintalah teks kesalahan yang dapat dibaca dan elemen antarmuka terkait. Periksa detail hasil ekstraksi berdasarkan gambar yang diberikan sebelum meneruskannya ke operasi lain.
Keluaran model yang didokumentasikan adalah teks. Karena itu, pertanyaan visual menghasilkan penjelasan, deskripsi, atau informasi yang diekstrak dari gambar masukan. Berikan sumber yang dapat dibaca dan pertahankan labelnya ketika beberapa gambar muncul dalam satu tugas.
OpenAI mendokumentasikan Structured Outputs dan pemanggilan fungsi untuk GPT-4o mini. Respons terstruktur dapat mengikuti nama dan tipe field yang dipilih untuk aplikasi. Periksa struktur maupun kontennya berdasarkan masukan sebelum menyimpan atau menggunakan hasil.
Dalam alur fungsi, aplikasi menyediakan fungsi dan menjalankan panggilan yang diminta. Aplikasi kemudian mengembalikan hasil sebenarnya untuk digunakan model. Deskripsi fungsi yang terarah dan aturan argumen yang eksplisit membantu menjaga hubungan permintaan dengan tugas yang dilakukan.
Produsen mencantumkan jendela konteks 128000 token dan keluaran maksimum 16384 token untuk snapshot yang didokumentasikan. Gunakan konteks untuk materi yang relevan dan sisakan ruang untuk jawaban. Ekstraksi terarah mungkin hanya memerlukan beberapa field; perbandingan dokumen yang lebih panjang terbantu oleh kutipan berlabel dan pertanyaan yang jelas.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan openai/gpt-4o-mini | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0003 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00015 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0003 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00015 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "openai/gpt-4o-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-4o-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-4o-mini', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gpt-4o-mini, openai/gpt-4o-mini
/chat/completions
Contoh teknis dalam bahasa Inggris
Extract an appointment request\n\nExtract fields from this message: 'Hi, I am Morgan. Please move booking B-18 from Tuesday to Friday afternoon; I cannot attend in the morning.' Return name, booking ID, current day, requested day and time preference. Preserve the reference exactly and mark any precise requested time as unknown.A compact labelled record with the five requested fields and an explicit unknown precise time.Friday afternoon is a preference rather than an invented clock time, and B-18 remains exact.