GPT-4 32K è il profilo testuale a contesto esteso di GPT-4 di OpenAI per attività che richiedono più contenuti correlati in una stessa richiesta. Il produttore documenta un contesto di 32 768 token, contro gli 8 192 token del profilo GPT-4 originale. Riceve testo e restituisce testo, tra cui spiegazioni in linguaggio naturale, bozze e codice. La sua distinzione principale è il contesto più ampio, anziché la finestra di 128K o le capacità multimodali dei successivi profili GPT-4 Turbo.
Fornite i documenti o il codice pertinenti a un’attività chiaramente formulata. Un confronto dei requisiti può riunire più specifiche e chiedere quali condizioni concordano, quali si contraddicono e quale fonte governa una decisione. Assegnate un identificatore a ogni fonte e chiedete il passaggio che sostiene un’osservazione importante. Riunire materiali di fonte correlati può aiutare il modello a confrontarli, pur richiedendo che il risultato mantenga il legame tra una conclusione e la relativa fonte.
Per una domanda su una base di codice, includete le funzioni pertinenti, i loro chiamanti e il comportamento studiato. Chiedete una spiegazione della dipendenza o una modifica mirata legata a quel comportamento. Il contesto più ampio può contenere codice circostante utile, ma non elimina la necessità di definire la domanda o il criterio di completamento. Una proposta di codice deve identificare il caso di input che la motiva e il risultato atteso verificabile.
La presentazione di GPT-4 descrive il controllo tramite il messaggio di sistema: lo sviluppatore può precisare l’attività, il tono e lo stile del modello. Usate questa istruzione per stabilire se la risposta debba essere una breve spiegazione, un confronto, una bozza o una scheda con campi nominati. Definite come debbano essere rappresentate le informazioni mancanti e distinguete i fatti forniti dalle ipotesi. Un’attività di elaborazione dei documenti può richiedere un elenco di condizioni, ciascuna accompagnata dall’identificatore della fonte e dal passaggio pertinente.
Mantenete queste istruzioni man mano che la conversazione evolve. Includete il risultato precedente effettivo quando la richiesta successiva lo modifica e precisate che cosa deve cambiare. Un seguito utile circoscrive un disaccordo in un confronto o chiede la correzione di una parte di una bozza, anziché presumere che un nuovo prompt isolato conservi l’intera attività precedente.
L’aggiornamento 0613 del fornitore introduce nell’edizione a contesto esteso i miglioramenti alle chiamate di funzione di GPT-4. Lo sviluppatore descrive una funzione e i relativi parametri e il modello può restituire un oggetto JSON contenente gli argomenti per quella funzione. L’applicazione esegue l’operazione e fornisce il risultato restituito. La capacità utile è una richiesta strutturata collegata al comportamento dell’applicazione, anziché l’esecuzione diretta di un’azione esterna da parte del modello.
Per un assistente informativo, una funzione può recuperare il record effettivo necessario a rispondere a una domanda. Mantenete associati l’identificatore richiesto e il record restituito, poi chiedete una risposta basata su quel risultato. Verificate se l’azione proposta è giustificata dalla richiesta dell’utente e se la funzione l’ha realmente eseguita. L’interfaccia aggiornata delle funzioni è distinta dalle successive aggiunte della modalità JSON e delle chiamate parallele di GPT-4 Turbo.
La presentazione originale di GPT-4 identifica le allucinazioni fattuali, gli errori di ragionamento e le conoscenze limitate sugli eventi più recenti come limiti importanti. Fornite materiali di fonte attuali per una domanda la cui risposta è cambiata e verificate i numeri, i nomi e il comportamento del codice importanti rispetto alla fonte. Una spiegazione sicura può comunque interpretare male una condizione o introdurre un difetto.
Mantenete il risultato richiesto proporzionato all’attività e al contesto disponibile. La cifra 32K indica una capacità di contesto, non una promessa di una risposta completata altrettanto lunga o di una comprensione perfetta di ogni passaggio incluso. Conservate insieme il profilo di modello selezionato, le istruzioni, i materiali di fonte e il risultato. Questo rende un confronto di documenti lunghi, una spiegazione del codice o una bozza rivista abbastanza concreti da poter essere esaminati e proseguiti.
", "aboutText": "GPT-4 32K è il profilo testuale a contesto esteso di GPT-4 di OpenAI per attività che richiedono più contenuti correlati in una stessa richiesta. Il produttore documenta un contesto di 32 768 token, contro gli 8 192 token del profilo GPT-4 originale. Riceve testo e restituisce testo, tra cui spiegazioni in linguaggio naturale, bozze e codice. La sua distinzione principale è il contesto più ampio, anziché la finestra di 128K o le capacità multimodali dei successivi profili GPT-4 Turbo.\n\n### Usare il contesto per materiali di fonte correlati\n\nFornite i documenti o il codice pertinenti a un’attività chiaramente formulata. Un confronto dei requisiti può riunire più specifiche e chiedere quali condizioni concordano, quali si contraddicono e quale fonte governa una decisione. Assegnate un identificatore a ogni fonte e chiedete il passaggio che sostiene un’osservazione importante. Riunire materiali di fonte correlati può aiutare il modello a confrontarli, pur richiedendo che il risultato mantenga il legame tra una conclusione e la relativa fonte.\n\nPer una domanda su una base di codice, includete le funzioni pertinenti, i loro chiamanti e il comportamento studiato. Chiedete una spiegazione della dipendenza o una modifica mirata legata a quel comportamento. Il contesto più ampio può contenere codice circostante utile, ma non elimina la necessità di definire la domanda o il criterio di completamento. Una proposta di codice deve identificare il caso di input che la motiva e il risultato atteso verificabile.\n\n### Precisare l’attività e lo stile della risposta\n\nLa presentazione di GPT-4 descrive il controllo tramite il messaggio di sistema: lo sviluppatore può precisare l’attività, il tono e lo stile del modello. Usate questa istruzione per stabilire se la risposta debba essere una breve spiegazione, un confronto, una bozza o una scheda con campi nominati. Definite come debbano essere rappresentate le informazioni mancanti e distinguete i fatti forniti dalle ipotesi. Un’attività di elaborazione dei documenti può richiedere un elenco di condizioni, ciascuna accompagnata dall’identificatore della fonte e dal passaggio pertinente.\n\nMantenete queste istruzioni man mano che la conversazione evolve. Includete il risultato precedente effettivo quando la richiesta successiva lo modifica e precisate che cosa deve cambiare. Un seguito utile circoscrive un disaccordo in un confronto o chiede la correzione di una parte di una bozza, anziché presumere che un nuovo prompt isolato conservi l’intera attività precedente.\n\n### Le chiamate di funzione nella gamma 32K aggiornata\n\nL’aggiornamento 0613 del fornitore introduce nell’edizione a contesto esteso i miglioramenti alle chiamate di funzione di GPT-4. Lo sviluppatore descrive una funzione e i relativi parametri e il modello può restituire un oggetto JSON contenente gli argomenti per quella funzione. L’applicazione esegue l’operazione e fornisce il risultato restituito. La capacità utile è una richiesta strutturata collegata al comportamento dell’applicazione, anziché l’esecuzione diretta di un’azione esterna da parte del modello.\n\nPer un assistente informativo, una funzione può recuperare il record effettivo necessario a rispondere a una domanda. Mantenete associati l’identificatore richiesto e il record restituito, poi chiedete una risposta basata su quel risultato. Verificate se l’azione proposta è giustificata dalla richiesta dell’utente e se la funzione l’ha realmente eseguita. L’interfaccia aggiornata delle funzioni è distinta dalle successive aggiunte della modalità JSON e delle chiamate parallele di GPT-4 Turbo.\n\n### Esaminare la risposta rispetto ai materiali\n\nLa presentazione originale di GPT-4 identifica le allucinazioni fattuali, gli errori di ragionamento e le conoscenze limitate sugli eventi più recenti come limiti importanti. Fornite materiali di fonte attuali per una domanda la cui risposta è cambiata e verificate i numeri, i nomi e il comportamento del codice importanti rispetto alla fonte. Una spiegazione sicura può comunque interpretare male una condizione o introdurre un difetto.\n\nMantenete il risultato richiesto proporzionato all’attività e al contesto disponibile. La cifra 32K indica una capacità di contesto, non una promessa di una risposta completata altrettanto lunga o di una comprensione perfetta di ogni passaggio incluso. Conservate insieme il profilo di modello selezionato, le istruzioni, i materiali di fonte e il risultato. Questo rende un confronto di documenti lunghi, una spiegazione del codice o una bozza rivista abbastanza concreti da poter essere esaminati e proseguiti.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Compare requirements using a precedence rule\n\nCompare three labelled specifications. BASE: exports include all orders and run nightly. ADDENDUM: exports include paid orders only; cadence is unchanged. OPERATIONS: exports run hourly. The signed ADDENDUM overrides BASE, while OPERATIONS is an unsigned proposal. Produce the effective requirements and unresolved proposal, citing the governing source for each.An effective-requirements table plus a separate unresolved-proposal entry with source references.Paid orders and nightly cadence are retained as effective; hourly cadence remains an unsigned proposal.gpt-4-32k-0613GPT-4 32K è il profilo testuale di GPT-4 a contesto esteso per lavorare su insiemi più ampi di documenti o codice. Il suo contesto documentato di 32 768 token permette di riunire contenuti correlati in una stessa attività, con istruzioni di sistema che guidano la risposta e chiamate di funzione documentate nell’edizione aggiornata 0613.
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 32K è il profilo testuale a contesto esteso di GPT-4 di OpenAI per attività che richiedono più contenuti correlati in una stessa richiesta. Il produttore documenta un contesto di 32 768 token, contro gli 8 192 token del profilo GPT-4 originale. Riceve testo e restituisce testo, tra cui spiegazioni in linguaggio naturale, bozze e codice. La sua distinzione principale è il contesto più ampio, anziché la finestra di 128K o le capacità multimodali dei successivi profili GPT-4 Turbo.
Fornite i documenti o il codice pertinenti a un’attività chiaramente formulata. Un confronto dei requisiti può riunire più specifiche e chiedere quali condizioni concordano, quali si contraddicono e quale fonte governa una decisione. Assegnate un identificatore a ogni fonte e chiedete il passaggio che sostiene un’osservazione importante. Riunire materiali di fonte correlati può aiutare il modello a confrontarli, pur richiedendo che il risultato mantenga il legame tra una conclusione e la relativa fonte.
Per una domanda su una base di codice, includete le funzioni pertinenti, i loro chiamanti e il comportamento studiato. Chiedete una spiegazione della dipendenza o una modifica mirata legata a quel comportamento. Il contesto più ampio può contenere codice circostante utile, ma non elimina la necessità di definire la domanda o il criterio di completamento. Una proposta di codice deve identificare il caso di input che la motiva e il risultato atteso verificabile.
La presentazione di GPT-4 descrive il controllo tramite il messaggio di sistema: lo sviluppatore può precisare l’attività, il tono e lo stile del modello. Usate questa istruzione per stabilire se la risposta debba essere una breve spiegazione, un confronto, una bozza o una scheda con campi nominati. Definite come debbano essere rappresentate le informazioni mancanti e distinguete i fatti forniti dalle ipotesi. Un’attività di elaborazione dei documenti può richiedere un elenco di condizioni, ciascuna accompagnata dall’identificatore della fonte e dal passaggio pertinente.
Mantenete queste istruzioni man mano che la conversazione evolve. Includete il risultato precedente effettivo quando la richiesta successiva lo modifica e precisate che cosa deve cambiare. Un seguito utile circoscrive un disaccordo in un confronto o chiede la correzione di una parte di una bozza, anziché presumere che un nuovo prompt isolato conservi l’intera attività precedente.
L’aggiornamento 0613 del fornitore introduce nell’edizione a contesto esteso i miglioramenti alle chiamate di funzione di GPT-4. Lo sviluppatore descrive una funzione e i relativi parametri e il modello può restituire un oggetto JSON contenente gli argomenti per quella funzione. L’applicazione esegue l’operazione e fornisce il risultato restituito. La capacità utile è una richiesta strutturata collegata al comportamento dell’applicazione, anziché l’esecuzione diretta di un’azione esterna da parte del modello.
Per un assistente informativo, una funzione può recuperare il record effettivo necessario a rispondere a una domanda. Mantenete associati l’identificatore richiesto e il record restituito, poi chiedete una risposta basata su quel risultato. Verificate se l’azione proposta è giustificata dalla richiesta dell’utente e se la funzione l’ha realmente eseguita. L’interfaccia aggiornata delle funzioni è distinta dalle successive aggiunte della modalità JSON e delle chiamate parallele di GPT-4 Turbo.
La presentazione originale di GPT-4 identifica le allucinazioni fattuali, gli errori di ragionamento e le conoscenze limitate sugli eventi più recenti come limiti importanti. Fornite materiali di fonte attuali per una domanda la cui risposta è cambiata e verificate i numeri, i nomi e il comportamento del codice importanti rispetto alla fonte. Una spiegazione sicura può comunque interpretare male una condizione o introdurre un difetto.
Mantenete il risultato richiesto proporzionato all’attività e al contesto disponibile. La cifra 32K indica una capacità di contesto, non una promessa di una risposta completata altrettanto lunga o di una comprensione perfetta di ogni passaggio incluso. Conservate insieme il profilo di modello selezionato, le istruzioni, i materiali di fonte e il risultato. Questo rende un confronto di documenti lunghi, una spiegazione del codice o una bozza rivista abbastanza concreti da poter essere esaminati e proseguiti.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-4-32k-0613 | 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 $0.12 / 1K token Output · Token in output $0.24 / 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-4-32k-0613", "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-4-32k-0613',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-4-32k-0613',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-4-32k-0613
Usa i percorsi dei metodi indicati sopra.
gpt-4-32k-0613GPT-4 32K è il profilo testuale di GPT-4 a contesto esteso per lavorare su insiemi più ampi di documenti o codice. Il suo contesto documentato di 32 768 token permette di riunire contenuti correlati in una stessa attività, con istruzioni di sistema che guidano la risposta e chiamate di funzione documentate nell’edizione aggiornata 0613.
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 32K è il profilo testuale a contesto esteso di GPT-4 di OpenAI per attività che richiedono più contenuti correlati in una stessa richiesta. Il produttore documenta un contesto di 32 768 token, contro gli 8 192 token del profilo GPT-4 originale. Riceve testo e restituisce testo, tra cui spiegazioni in linguaggio naturale, bozze e codice. La sua distinzione principale è il contesto più ampio, anziché la finestra di 128K o le capacità multimodali dei successivi profili GPT-4 Turbo.
Fornite i documenti o il codice pertinenti a un’attività chiaramente formulata. Un confronto dei requisiti può riunire più specifiche e chiedere quali condizioni concordano, quali si contraddicono e quale fonte governa una decisione. Assegnate un identificatore a ogni fonte e chiedete il passaggio che sostiene un’osservazione importante. Riunire materiali di fonte correlati può aiutare il modello a confrontarli, pur richiedendo che il risultato mantenga il legame tra una conclusione e la relativa fonte.
Per una domanda su una base di codice, includete le funzioni pertinenti, i loro chiamanti e il comportamento studiato. Chiedete una spiegazione della dipendenza o una modifica mirata legata a quel comportamento. Il contesto più ampio può contenere codice circostante utile, ma non elimina la necessità di definire la domanda o il criterio di completamento. Una proposta di codice deve identificare il caso di input che la motiva e il risultato atteso verificabile.
La presentazione di GPT-4 descrive il controllo tramite il messaggio di sistema: lo sviluppatore può precisare l’attività, il tono e lo stile del modello. Usate questa istruzione per stabilire se la risposta debba essere una breve spiegazione, un confronto, una bozza o una scheda con campi nominati. Definite come debbano essere rappresentate le informazioni mancanti e distinguete i fatti forniti dalle ipotesi. Un’attività di elaborazione dei documenti può richiedere un elenco di condizioni, ciascuna accompagnata dall’identificatore della fonte e dal passaggio pertinente.
Mantenete queste istruzioni man mano che la conversazione evolve. Includete il risultato precedente effettivo quando la richiesta successiva lo modifica e precisate che cosa deve cambiare. Un seguito utile circoscrive un disaccordo in un confronto o chiede la correzione di una parte di una bozza, anziché presumere che un nuovo prompt isolato conservi l’intera attività precedente.
L’aggiornamento 0613 del fornitore introduce nell’edizione a contesto esteso i miglioramenti alle chiamate di funzione di GPT-4. Lo sviluppatore descrive una funzione e i relativi parametri e il modello può restituire un oggetto JSON contenente gli argomenti per quella funzione. L’applicazione esegue l’operazione e fornisce il risultato restituito. La capacità utile è una richiesta strutturata collegata al comportamento dell’applicazione, anziché l’esecuzione diretta di un’azione esterna da parte del modello.
Per un assistente informativo, una funzione può recuperare il record effettivo necessario a rispondere a una domanda. Mantenete associati l’identificatore richiesto e il record restituito, poi chiedete una risposta basata su quel risultato. Verificate se l’azione proposta è giustificata dalla richiesta dell’utente e se la funzione l’ha realmente eseguita. L’interfaccia aggiornata delle funzioni è distinta dalle successive aggiunte della modalità JSON e delle chiamate parallele di GPT-4 Turbo.
La presentazione originale di GPT-4 identifica le allucinazioni fattuali, gli errori di ragionamento e le conoscenze limitate sugli eventi più recenti come limiti importanti. Fornite materiali di fonte attuali per una domanda la cui risposta è cambiata e verificate i numeri, i nomi e il comportamento del codice importanti rispetto alla fonte. Una spiegazione sicura può comunque interpretare male una condizione o introdurre un difetto.
Mantenete il risultato richiesto proporzionato all’attività e al contesto disponibile. La cifra 32K indica una capacità di contesto, non una promessa di una risposta completata altrettanto lunga o di una comprensione perfetta di ogni passaggio incluso. Conservate insieme il profilo di modello selezionato, le istruzioni, i materiali di fonte e il risultato. Questo rende un confronto di documenti lunghi, una spiegazione del codice o una bozza rivista abbastanza concreti da poter essere esaminati e proseguiti.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-4-32k-0613 | 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 $0.12 / 1K token Output · Token in output $0.24 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gpt-4-32k-0613",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-32k-0613', '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-4-32k-0613', '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-4-32k-0613
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Compare requirements using a precedence rule\n\nCompare three labelled specifications. BASE: exports include all orders and run nightly. ADDENDUM: exports include paid orders only; cadence is unchanged. OPERATIONS: exports run hourly. The signed ADDENDUM overrides BASE, while OPERATIONS is an unsigned proposal. Produce the effective requirements and unresolved proposal, citing the governing source for each.An effective-requirements table plus a separate unresolved-proposal entry with source references.Paid orders and nightly cadence are retained as effective; hourly cadence remains an unsigned proposal.