GPT-4 Turbo Preview 1106 è la prima edizione testuale nominata GPT-4 Turbo Preview di OpenAI. Introduce una finestra di contesto di 128K, un migliore rispetto delle istruzioni, la modalità JSON e aggiornamenti alle chiamate di funzione, tra cui richieste di più funzioni in un solo messaggio. Il suo output utile è una risposta testuale, una proposta di codice o un record strutturato per l’applicazione basato sul contenuto fornito. Questo profilo 1106 è distinto da Vision Preview e dal successivo aggiornamento 0125.
La pubblicazione di lancio specifica una finestra di contesto di 128K e conoscenze degli eventi mondiali fino ad aprile 2023. Fornite materiali di fonte più recenti quando l’attività dipende da informazioni attuali. Un contesto più ampio può contenere documenti di fonte o codice correlati, ma il prompt deve comunque stabilire che cosa il modello debba farne. Precisate la domanda, il contenuto autorevole e la forma attesa della risposta.
Per confrontare documenti, identificate le versioni e chiedete le condizioni modificate con i passaggi che le sostengono. Per un’attività di programmazione, includete il comportamento esistente, la modifica desiderata e i vincoli pertinenti dell’interfaccia. Un risultato utile può essere una correzione mirata o la spiegazione di un difetto con il caso concreto che lo rivela. Tenete i contenuti non pertinenti fuori dall’attività per concentrare l’attenzione del modello sui materiali di fonte che cambiano il risultato.
Il fornitore sottolinea un migliore rispetto delle istruzioni che richiedono un particolare formato di risposta. Una richiesta può definire una spiegazione ordinata, una tabella o un record leggibile da una macchina. Nominate i campi e spiegate che cosa restituire quando la fonte non permette di stabilire un valore. Un esempio di istruzione per elaborare record può richiedere un identificatore della fonte, una condizione estratta e il passaggio da cui proviene.
La modalità JSON vincola la risposta a un oggetto JSON sintatticamente valido nel processo Chat Completions del fornitore. Un JSON valido non dimostra che il record contenga i campi giusti o valori corretti. Mantenete la convalida dell’applicazione e la verifica della fonte distinte dall’impostazione del formato, soprattutto quando il passo successivo dipende da un particolare identificatore o stato. Quando usate la modalità JSON del produttore, chiedete esplicitamente al modello di produrre JSON e includete la parola «JSON» nella conversazione. Senza questa istruzione, può emettere caratteri di spaziatura fino al limite di token; verificate che sia stato restituito un oggetto completo. Le successive funzionalità di output vincolato da uno schema di altri modelli sono un meccanismo diverso.
Il modello può produrre argomenti per le funzioni definite dall’applicazione. La pubblicazione aggiunge la possibilità di richiedere più funzioni in un solo messaggio, utile per un’attività che richiede più di una ricerca di informazioni. Descrivete lo scopo e gli input richiesti da ogni funzione, poi collegate le informazioni effettivamente restituite alla risposta successiva. Il modello seleziona e descrive la richiesta; l’applicazione la esegue.
Per confrontare due record, una funzione può recuperarne i dettagli effettivi prima che l’assistente prepari il confronto. Preservate il legame tra l’elemento richiesto e il risultato restituito. Quando manca una fonte o un’operazione fallisce, mantenete questa condizione nella risposta anziché annunciare un successo basato soltanto sugli argomenti proposti.
L’impostazione beta seed presentata al lancio mira a produrre risposte riproducibili nella maggior parte dei casi. Usatela con gli stessi materiali di fonte e le stesse altre impostazioni quando confrontate una piccola modifica del prompt. Non garantisce il determinismo: esaminate quindi entrambe le risposte e conservate le condizioni in cui ciascuna è stata prodotta.
La pubblicazione originale distingue questo modello Preview testuale da GPT-4 Turbo with Vision, dalla generazione di immagini e dai modelli di generazione vocale. Fornite per iscritto le informazioni pertinenti di un diagramma per questo profilo, anziché attribuirgli la capacità di input del modello Vision. Il successivo aggiornamento Preview 0125 mira a un’esecuzione più completa delle attività e corregge un bug di codifica; l’edizione 1106 precede queste modifiche. Conservate insieme il modello nominato, i materiali di fonte, il formato richiesto e il risultato restituito quando lo valutate.
", "aboutText": "GPT-4 Turbo Preview 1106 è la prima edizione testuale nominata GPT-4 Turbo Preview di OpenAI. Introduce una finestra di contesto di 128K, un migliore rispetto delle istruzioni, la modalità JSON e aggiornamenti alle chiamate di funzione, tra cui richieste di più funzioni in un solo messaggio. Il suo output utile è una risposta testuale, una proposta di codice o un record strutturato per l’applicazione basato sul contenuto fornito. Questo profilo 1106 è distinto da Vision Preview e dal successivo aggiornamento 0125.\n\n### Riunire testi correlati in un’attività delimitata\n\nLa pubblicazione di lancio specifica una finestra di contesto di 128K e conoscenze degli eventi mondiali fino ad aprile 2023. Fornite materiali di fonte più recenti quando l’attività dipende da informazioni attuali. Un contesto più ampio può contenere documenti di fonte o codice correlati, ma il prompt deve comunque stabilire che cosa il modello debba farne. Precisate la domanda, il contenuto autorevole e la forma attesa della risposta.\n\nPer confrontare documenti, identificate le versioni e chiedete le condizioni modificate con i passaggi che le sostengono. Per un’attività di programmazione, includete il comportamento esistente, la modifica desiderata e i vincoli pertinenti dell’interfaccia. Un risultato utile può essere una correzione mirata o la spiegazione di un difetto con il caso concreto che lo rivela. Tenete i contenuti non pertinenti fuori dall’attività per concentrare l’attenzione del modello sui materiali di fonte che cambiano il risultato.\n\n### Rispettare un formato richiesto\n\nIl fornitore sottolinea un migliore rispetto delle istruzioni che richiedono un particolare formato di risposta. Una richiesta può definire una spiegazione ordinata, una tabella o un record leggibile da una macchina. Nominate i campi e spiegate che cosa restituire quando la fonte non permette di stabilire un valore. Un esempio di istruzione per elaborare record può richiedere un identificatore della fonte, una condizione estratta e il passaggio da cui proviene.\n\nLa modalità JSON vincola la risposta a un oggetto JSON sintatticamente valido nel processo Chat Completions del fornitore. Un JSON valido non dimostra che il record contenga i campi giusti o valori corretti. Mantenete la convalida dell’applicazione e la verifica della fonte distinte dall’impostazione del formato, soprattutto quando il passo successivo dipende da un particolare identificatore o stato. Quando usate la modalità JSON del produttore, chiedete esplicitamente al modello di produrre JSON e includete la parola «JSON» nella conversazione. Senza questa istruzione, può emettere caratteri di spaziatura fino al limite di token; verificate che sia stato restituito un oggetto completo. Le successive funzionalità di output vincolato da uno schema di altri modelli sono un meccanismo diverso.\n\n### Richiedere funzioni con argomenti utili\n\nIl modello può produrre argomenti per le funzioni definite dall’applicazione. La pubblicazione aggiunge la possibilità di richiedere più funzioni in un solo messaggio, utile per un’attività che richiede più di una ricerca di informazioni. Descrivete lo scopo e gli input richiesti da ogni funzione, poi collegate le informazioni effettivamente restituite alla risposta successiva. Il modello seleziona e descrive la richiesta; l’applicazione la esegue.\n\nPer confrontare due record, una funzione può recuperarne i dettagli effettivi prima che l’assistente prepari il confronto. Preservate il legame tra l’elemento richiesto e il risultato restituito. Quando manca una fonte o un’operazione fallisce, mantenete questa condizione nella risposta anziché annunciare un successo basato soltanto sugli argomenti proposti.\n\n### Esperimenti riproducibili ed edizione selezionata\n\nL’impostazione beta seed presentata al lancio mira a produrre risposte riproducibili nella maggior parte dei casi. Usatela con gli stessi materiali di fonte e le stesse altre impostazioni quando confrontate una piccola modifica del prompt. Non garantisce il determinismo: esaminate quindi entrambe le risposte e conservate le condizioni in cui ciascuna è stata prodotta.\n\nLa pubblicazione originale distingue questo modello Preview testuale da GPT-4 Turbo with Vision, dalla generazione di immagini e dai modelli di generazione vocale. Fornite per iscritto le informazioni pertinenti di un diagramma per questo profilo, anziché attribuirgli la capacità di input del modello Vision. Il successivo aggiornamento Preview 0125 mira a un’esecuzione più completa delle attività e corregge un bug di codifica; l’edizione 1106 precede queste modifiche. Conservate insieme il modello nominato, i materiali di fonte, il formato richiesto e il risultato restituito quando lo valutate.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Extract a source-linked renewal record\n\nFrom this note, draft a JSON object with fields account, renewal_date, owner and evidence: “Account Northbridge renews on 30 June. The commercial owner has not yet been assigned.” Use null for an unstated owner, retain the date wording and include the source sentence supporting the renewal date. Return no extra prose.A requested JSON record with the four named fields, an unknown owner and source evidence.Parse the returned record and check its values against the note; requested JSON formatting does not replace field validation.gpt-4-1106-previewGPT-4 Turbo Preview 1106 gestisce attività testuali e di programmazione a contesto lungo con una finestra di contesto documentata di 128K. La modalità JSON e le chiamate di funzione aiutano a trasformare il contenuto fornito in risposte testuali o record per l’applicazione, mantenendo l’esatta edizione Preview distinta dai modelli di visione e dai modelli successivi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-4 Turbo Preview 1106 è la prima edizione testuale nominata GPT-4 Turbo Preview di OpenAI. Introduce una finestra di contesto di 128K, un migliore rispetto delle istruzioni, la modalità JSON e aggiornamenti alle chiamate di funzione, tra cui richieste di più funzioni in un solo messaggio. Il suo output utile è una risposta testuale, una proposta di codice o un record strutturato per l’applicazione basato sul contenuto fornito. Questo profilo 1106 è distinto da Vision Preview e dal successivo aggiornamento 0125.
La pubblicazione di lancio specifica una finestra di contesto di 128K e conoscenze degli eventi mondiali fino ad aprile 2023. Fornite materiali di fonte più recenti quando l’attività dipende da informazioni attuali. Un contesto più ampio può contenere documenti di fonte o codice correlati, ma il prompt deve comunque stabilire che cosa il modello debba farne. Precisate la domanda, il contenuto autorevole e la forma attesa della risposta.
Per confrontare documenti, identificate le versioni e chiedete le condizioni modificate con i passaggi che le sostengono. Per un’attività di programmazione, includete il comportamento esistente, la modifica desiderata e i vincoli pertinenti dell’interfaccia. Un risultato utile può essere una correzione mirata o la spiegazione di un difetto con il caso concreto che lo rivela. Tenete i contenuti non pertinenti fuori dall’attività per concentrare l’attenzione del modello sui materiali di fonte che cambiano il risultato.
Il fornitore sottolinea un migliore rispetto delle istruzioni che richiedono un particolare formato di risposta. Una richiesta può definire una spiegazione ordinata, una tabella o un record leggibile da una macchina. Nominate i campi e spiegate che cosa restituire quando la fonte non permette di stabilire un valore. Un esempio di istruzione per elaborare record può richiedere un identificatore della fonte, una condizione estratta e il passaggio da cui proviene.
La modalità JSON vincola la risposta a un oggetto JSON sintatticamente valido nel processo Chat Completions del fornitore. Un JSON valido non dimostra che il record contenga i campi giusti o valori corretti. Mantenete la convalida dell’applicazione e la verifica della fonte distinte dall’impostazione del formato, soprattutto quando il passo successivo dipende da un particolare identificatore o stato. Quando usate la modalità JSON del produttore, chiedete esplicitamente al modello di produrre JSON e includete la parola «JSON» nella conversazione. Senza questa istruzione, può emettere caratteri di spaziatura fino al limite di token; verificate che sia stato restituito un oggetto completo. Le successive funzionalità di output vincolato da uno schema di altri modelli sono un meccanismo diverso.
Il modello può produrre argomenti per le funzioni definite dall’applicazione. La pubblicazione aggiunge la possibilità di richiedere più funzioni in un solo messaggio, utile per un’attività che richiede più di una ricerca di informazioni. Descrivete lo scopo e gli input richiesti da ogni funzione, poi collegate le informazioni effettivamente restituite alla risposta successiva. Il modello seleziona e descrive la richiesta; l’applicazione la esegue.
Per confrontare due record, una funzione può recuperarne i dettagli effettivi prima che l’assistente prepari il confronto. Preservate il legame tra l’elemento richiesto e il risultato restituito. Quando manca una fonte o un’operazione fallisce, mantenete questa condizione nella risposta anziché annunciare un successo basato soltanto sugli argomenti proposti.
L’impostazione beta seed presentata al lancio mira a produrre risposte riproducibili nella maggior parte dei casi. Usatela con gli stessi materiali di fonte e le stesse altre impostazioni quando confrontate una piccola modifica del prompt. Non garantisce il determinismo: esaminate quindi entrambe le risposte e conservate le condizioni in cui ciascuna è stata prodotta.
La pubblicazione originale distingue questo modello Preview testuale da GPT-4 Turbo with Vision, dalla generazione di immagini e dai modelli di generazione vocale. Fornite per iscritto le informazioni pertinenti di un diagramma per questo profilo, anziché attribuirgli la capacità di input del modello Vision. Il successivo aggiornamento Preview 0125 mira a un’esecuzione più completa delle attività e corregge un bug di codifica; l’edizione 1106 precede queste modifiche. Conservate insieme il modello nominato, i materiali di fonte, il formato richiesto e il risultato restituito quando lo valutate.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-4-1106-preview | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.06 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-4-1106-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-4-1106-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-4-1106-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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra gpt-4-1106-preview
Usa i percorsi dei metodi indicati sopra.
gpt-4-1106-previewGPT-4 Turbo Preview 1106 gestisce attività testuali e di programmazione a contesto lungo con una finestra di contesto documentata di 128K. La modalità JSON e le chiamate di funzione aiutano a trasformare il contenuto fornito in risposte testuali o record per l’applicazione, mantenendo l’esatta edizione Preview distinta dai modelli di visione e dai modelli successivi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-4 Turbo Preview 1106 è la prima edizione testuale nominata GPT-4 Turbo Preview di OpenAI. Introduce una finestra di contesto di 128K, un migliore rispetto delle istruzioni, la modalità JSON e aggiornamenti alle chiamate di funzione, tra cui richieste di più funzioni in un solo messaggio. Il suo output utile è una risposta testuale, una proposta di codice o un record strutturato per l’applicazione basato sul contenuto fornito. Questo profilo 1106 è distinto da Vision Preview e dal successivo aggiornamento 0125.
La pubblicazione di lancio specifica una finestra di contesto di 128K e conoscenze degli eventi mondiali fino ad aprile 2023. Fornite materiali di fonte più recenti quando l’attività dipende da informazioni attuali. Un contesto più ampio può contenere documenti di fonte o codice correlati, ma il prompt deve comunque stabilire che cosa il modello debba farne. Precisate la domanda, il contenuto autorevole e la forma attesa della risposta.
Per confrontare documenti, identificate le versioni e chiedete le condizioni modificate con i passaggi che le sostengono. Per un’attività di programmazione, includete il comportamento esistente, la modifica desiderata e i vincoli pertinenti dell’interfaccia. Un risultato utile può essere una correzione mirata o la spiegazione di un difetto con il caso concreto che lo rivela. Tenete i contenuti non pertinenti fuori dall’attività per concentrare l’attenzione del modello sui materiali di fonte che cambiano il risultato.
Il fornitore sottolinea un migliore rispetto delle istruzioni che richiedono un particolare formato di risposta. Una richiesta può definire una spiegazione ordinata, una tabella o un record leggibile da una macchina. Nominate i campi e spiegate che cosa restituire quando la fonte non permette di stabilire un valore. Un esempio di istruzione per elaborare record può richiedere un identificatore della fonte, una condizione estratta e il passaggio da cui proviene.
La modalità JSON vincola la risposta a un oggetto JSON sintatticamente valido nel processo Chat Completions del fornitore. Un JSON valido non dimostra che il record contenga i campi giusti o valori corretti. Mantenete la convalida dell’applicazione e la verifica della fonte distinte dall’impostazione del formato, soprattutto quando il passo successivo dipende da un particolare identificatore o stato. Quando usate la modalità JSON del produttore, chiedete esplicitamente al modello di produrre JSON e includete la parola «JSON» nella conversazione. Senza questa istruzione, può emettere caratteri di spaziatura fino al limite di token; verificate che sia stato restituito un oggetto completo. Le successive funzionalità di output vincolato da uno schema di altri modelli sono un meccanismo diverso.
Il modello può produrre argomenti per le funzioni definite dall’applicazione. La pubblicazione aggiunge la possibilità di richiedere più funzioni in un solo messaggio, utile per un’attività che richiede più di una ricerca di informazioni. Descrivete lo scopo e gli input richiesti da ogni funzione, poi collegate le informazioni effettivamente restituite alla risposta successiva. Il modello seleziona e descrive la richiesta; l’applicazione la esegue.
Per confrontare due record, una funzione può recuperarne i dettagli effettivi prima che l’assistente prepari il confronto. Preservate il legame tra l’elemento richiesto e il risultato restituito. Quando manca una fonte o un’operazione fallisce, mantenete questa condizione nella risposta anziché annunciare un successo basato soltanto sugli argomenti proposti.
L’impostazione beta seed presentata al lancio mira a produrre risposte riproducibili nella maggior parte dei casi. Usatela con gli stessi materiali di fonte e le stesse altre impostazioni quando confrontate una piccola modifica del prompt. Non garantisce il determinismo: esaminate quindi entrambe le risposte e conservate le condizioni in cui ciascuna è stata prodotta.
La pubblicazione originale distingue questo modello Preview testuale da GPT-4 Turbo with Vision, dalla generazione di immagini e dai modelli di generazione vocale. Fornite per iscritto le informazioni pertinenti di un diagramma per questo profilo, anziché attribuirgli la capacità di input del modello Vision. Il successivo aggiornamento Preview 0125 mira a un’esecuzione più completa delle attività e corregge un bug di codifica; l’edizione 1106 precede queste modifiche. Conservate insieme il modello nominato, i materiali di fonte, il formato richiesto e il risultato restituito quando lo valutate.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-4-1106-preview | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.06 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gpt-4-1106-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4-1106-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4-1106-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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra gpt-4-1106-preview
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Extract a source-linked renewal record\n\nFrom this note, draft a JSON object with fields account, renewal_date, owner and evidence: “Account Northbridge renews on 30 June. The commercial owner has not yet been assigned.” Use null for an unstated owner, retain the date wording and include the source sentence supporting the renewal date. Return no extra prose.A requested JSON record with the four named fields, an unknown owner and source evidence.Parse the returned record and check its values against the note; requested JSON formatting does not replace field validation.