GPT-4o (2024-11-20) è la versione del 20 novembre denominata separatamente nel catalogo API GPT-4o di OpenAI. Appartiene alla famiglia GPT-4o per attività versatili testuali e visive, accettando testo e immagini e restituendo testo. L’identità datata viene conservata separatamente dalle versioni del 6 agosto e del 13 maggio e dalla selezione variabile nel tempo dei modelli conversazionali usati da ChatGPT.
Un esempio di applicazione consiste nel modificare un documento per un pubblico specifico. Fornite il materiale originale, le esigenze del lettore e i fatti da mantenere intatti. Chiedete un passaggio rivisto o un documento completo con uno scopo esplicito, poi affinate la versione selezionata in un messaggio successivo. Un output utile può includere una spiegazione concisa delle modifiche, affinché il lettore possa valutarle rispetto al testo originale.
Per una domanda visiva, fornite la schermata, la fotografia o l’immagine del documento e individuate il dettaglio che contribuisce all’attività. Includete il contesto scritto che l’immagine da sola non fornisce. Una richiesta di assistenza può combinare il messaggio dell’utente con una schermata e chiedere l’osservazione pertinente, le informazioni ancora necessarie e una risposta proposta. Usate testo leggibile ed evitate di affidarvi a un’etichetta minuscola o a una stima spaziale precisa senza verificare l’immagine di origine.
La documentazione della famiglia GPT-4o di OpenAI indica una finestra di contesto di 128 000 token. L’input e la risposta richiesta condividono il contesto disponibile, quindi conservate il materiale utile e i fatti precedenti significativi lasciando spazio per il risultato. Definite esplicitamente lunghezza e formato della risposta richiesti. Una raccolta lunga di materiale di origine è particolarmente utile quando l’istruzione individua la domanda e i fatti importanti per essa.
Il produttore documenta streaming, chiamate di funzione e Structured Outputs per la famiglia GPT-4o; le indicazioni attuali per Structured Outputs coprono la versione del 6 agosto e i modelli successivi. Uno schema definisce i campi della risposta e la forma ammessa, mentre una richiesta di chiamata di funzione propone un’operazione applicativa. L’applicazione esegue le proprie azioni e restituisce risultati effettivi. Un insieme di campi ben formato deve comunque essere verificato rispetto agli elementi forniti, rappresentando esplicitamente le informazioni mancanti.
La documentazione della serie GPT-4o descrive anche Predicted Outputs per un file di testo o codice il cui contenuto atteso è in gran parte noto. Questo percorso facoltativo usa il testo noto quando rigenera una versione con modifiche limitate e non combina previsione e chiamate di funzione. Per l’attività stessa, scegliete un risultato finale utile: un passaggio modificato, una spiegazione visiva, una risposta proposta o rilievi strutturati. Mantenete le sue affermazioni importanti legate al materiale originale e usate i messaggi successivi per chiarire una domanda specifica o rivedere una sezione particolare.
", "aboutText": "GPT-4o (2024-11-20) è la versione del 20 novembre denominata separatamente nel catalogo API GPT-4o di OpenAI. Appartiene alla famiglia GPT-4o per attività versatili testuali e visive, accettando testo e immagini e restituendo testo. L’identità datata viene conservata separatamente dalle versioni del 6 agosto e del 13 maggio e dalla selezione variabile nel tempo dei modelli conversazionali usati da ChatGPT.\n\nUn esempio di applicazione consiste nel modificare un documento per un pubblico specifico. Fornite il materiale originale, le esigenze del lettore e i fatti da mantenere intatti. Chiedete un passaggio rivisto o un documento completo con uno scopo esplicito, poi affinate la versione selezionata in un messaggio successivo. Un output utile può includere una spiegazione concisa delle modifiche, affinché il lettore possa valutarle rispetto al testo originale.\n\nPer una domanda visiva, fornite la schermata, la fotografia o l’immagine del documento e individuate il dettaglio che contribuisce all’attività. Includete il contesto scritto che l’immagine da sola non fornisce. Una richiesta di assistenza può combinare il messaggio dell’utente con una schermata e chiedere l’osservazione pertinente, le informazioni ancora necessarie e una risposta proposta. Usate testo leggibile ed evitate di affidarvi a un’etichetta minuscola o a una stima spaziale precisa senza verificare l’immagine di origine.\n\nLa documentazione della famiglia GPT-4o di OpenAI indica una finestra di contesto di 128 000 token. L’input e la risposta richiesta condividono il contesto disponibile, quindi conservate il materiale utile e i fatti precedenti significativi lasciando spazio per il risultato. Definite esplicitamente lunghezza e formato della risposta richiesti. Una raccolta lunga di materiale di origine è particolarmente utile quando l’istruzione individua la domanda e i fatti importanti per essa.\n\nIl produttore documenta streaming, chiamate di funzione e Structured Outputs per la famiglia GPT-4o; le indicazioni attuali per Structured Outputs coprono la versione del 6 agosto e i modelli successivi. Uno schema definisce i campi della risposta e la forma ammessa, mentre una richiesta di chiamata di funzione propone un’operazione applicativa. L’applicazione esegue le proprie azioni e restituisce risultati effettivi. Un insieme di campi ben formato deve comunque essere verificato rispetto agli elementi forniti, rappresentando esplicitamente le informazioni mancanti.\n\nLa documentazione della serie GPT-4o descrive anche Predicted Outputs per un file di testo o codice il cui contenuto atteso è in gran parte noto. Questo percorso facoltativo usa il testo noto quando rigenera una versione con modifiche limitate e non combina previsione e chiamate di funzione. Per l’attività stessa, scegliete un risultato finale utile: un passaggio modificato, una spiegazione visiva, una risposta proposta o rilievi strutturati. Mantenete le sue affermazioni importanti legate al materiale originale e usate i messaggi successivi per chiarire una domanda specifica o rivedere una sezione particolare.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Edit a project update for a customer\n\nRewrite this internal note as a customer update under 80 words: 'The export fix is implemented in staging. QA found a separate date-format issue. Production rollout waits for both checks. Next review is Thursday.' Keep the tone calm, preserve the staging-versus-production distinction, and offer no release date or claim that the customer's issue is resolved.One customer-facing update with the current stage, remaining check and Thursday review.The draft never turns a scheduled review into a deployment promise or a staging fix into customer-visible resolution.openai/gpt-4o-2024-11-20La versione API GPT-4o del 20 novembre, denominata separatamente, appartiene alla famiglia di modelli di OpenAI con testo e immagini. Usate indicazioni chiare di scrittura o analisi visiva per sviluppare una risposta, un documento modificato o un insieme strutturato di rilievi.
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-4o (2024-11-20) è la versione del 20 novembre denominata separatamente nel catalogo API GPT-4o di OpenAI. Appartiene alla famiglia GPT-4o per attività versatili testuali e visive, accettando testo e immagini e restituendo testo. L’identità datata viene conservata separatamente dalle versioni del 6 agosto e del 13 maggio e dalla selezione variabile nel tempo dei modelli conversazionali usati da ChatGPT.
Un esempio di applicazione consiste nel modificare un documento per un pubblico specifico. Fornite il materiale originale, le esigenze del lettore e i fatti da mantenere intatti. Chiedete un passaggio rivisto o un documento completo con uno scopo esplicito, poi affinate la versione selezionata in un messaggio successivo. Un output utile può includere una spiegazione concisa delle modifiche, affinché il lettore possa valutarle rispetto al testo originale.
Per una domanda visiva, fornite la schermata, la fotografia o l’immagine del documento e individuate il dettaglio che contribuisce all’attività. Includete il contesto scritto che l’immagine da sola non fornisce. Una richiesta di assistenza può combinare il messaggio dell’utente con una schermata e chiedere l’osservazione pertinente, le informazioni ancora necessarie e una risposta proposta. Usate testo leggibile ed evitate di affidarvi a un’etichetta minuscola o a una stima spaziale precisa senza verificare l’immagine di origine.
La documentazione della famiglia GPT-4o di OpenAI indica una finestra di contesto di 128 000 token. L’input e la risposta richiesta condividono il contesto disponibile, quindi conservate il materiale utile e i fatti precedenti significativi lasciando spazio per il risultato. Definite esplicitamente lunghezza e formato della risposta richiesti. Una raccolta lunga di materiale di origine è particolarmente utile quando l’istruzione individua la domanda e i fatti importanti per essa.
Il produttore documenta streaming, chiamate di funzione e Structured Outputs per la famiglia GPT-4o; le indicazioni attuali per Structured Outputs coprono la versione del 6 agosto e i modelli successivi. Uno schema definisce i campi della risposta e la forma ammessa, mentre una richiesta di chiamata di funzione propone un’operazione applicativa. L’applicazione esegue le proprie azioni e restituisce risultati effettivi. Un insieme di campi ben formato deve comunque essere verificato rispetto agli elementi forniti, rappresentando esplicitamente le informazioni mancanti.
La documentazione della serie GPT-4o descrive anche Predicted Outputs per un file di testo o codice il cui contenuto atteso è in gran parte noto. Questo percorso facoltativo usa il testo noto quando rigenera una versione con modifiche limitate e non combina previsione e chiamate di funzione. Per l’attività stessa, scegliete un risultato finale utile: un passaggio modificato, una spiegazione visiva, una risposta proposta o rilievi strutturati. Mantenete le sue affermazioni importanti legate al materiale originale e usate i messaggi successivi per chiarire una domanda specifica o rivedere una sezione particolare.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-4o-2024-11-20 | 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.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.005 / 1K token Output · Token in output $0.02 / 1K token Input · Lettura dalla cache $0.0025 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.005 / 1K token Output · Token in output $0.02 / 1K token Input · Lettura dalla cache $0.0025 / 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": "openai/gpt-4o-2024-11-20", "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-2024-11-20',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-2024-11-20',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 openai/gpt-4o-2024-11-20
Usa i percorsi dei metodi indicati sopra.
openai/gpt-4o-2024-11-20La versione API GPT-4o del 20 novembre, denominata separatamente, appartiene alla famiglia di modelli di OpenAI con testo e immagini. Usate indicazioni chiare di scrittura o analisi visiva per sviluppare una risposta, un documento modificato o un insieme strutturato di rilievi.
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-4o (2024-11-20) è la versione del 20 novembre denominata separatamente nel catalogo API GPT-4o di OpenAI. Appartiene alla famiglia GPT-4o per attività versatili testuali e visive, accettando testo e immagini e restituendo testo. L’identità datata viene conservata separatamente dalle versioni del 6 agosto e del 13 maggio e dalla selezione variabile nel tempo dei modelli conversazionali usati da ChatGPT.
Un esempio di applicazione consiste nel modificare un documento per un pubblico specifico. Fornite il materiale originale, le esigenze del lettore e i fatti da mantenere intatti. Chiedete un passaggio rivisto o un documento completo con uno scopo esplicito, poi affinate la versione selezionata in un messaggio successivo. Un output utile può includere una spiegazione concisa delle modifiche, affinché il lettore possa valutarle rispetto al testo originale.
Per una domanda visiva, fornite la schermata, la fotografia o l’immagine del documento e individuate il dettaglio che contribuisce all’attività. Includete il contesto scritto che l’immagine da sola non fornisce. Una richiesta di assistenza può combinare il messaggio dell’utente con una schermata e chiedere l’osservazione pertinente, le informazioni ancora necessarie e una risposta proposta. Usate testo leggibile ed evitate di affidarvi a un’etichetta minuscola o a una stima spaziale precisa senza verificare l’immagine di origine.
La documentazione della famiglia GPT-4o di OpenAI indica una finestra di contesto di 128 000 token. L’input e la risposta richiesta condividono il contesto disponibile, quindi conservate il materiale utile e i fatti precedenti significativi lasciando spazio per il risultato. Definite esplicitamente lunghezza e formato della risposta richiesti. Una raccolta lunga di materiale di origine è particolarmente utile quando l’istruzione individua la domanda e i fatti importanti per essa.
Il produttore documenta streaming, chiamate di funzione e Structured Outputs per la famiglia GPT-4o; le indicazioni attuali per Structured Outputs coprono la versione del 6 agosto e i modelli successivi. Uno schema definisce i campi della risposta e la forma ammessa, mentre una richiesta di chiamata di funzione propone un’operazione applicativa. L’applicazione esegue le proprie azioni e restituisce risultati effettivi. Un insieme di campi ben formato deve comunque essere verificato rispetto agli elementi forniti, rappresentando esplicitamente le informazioni mancanti.
La documentazione della serie GPT-4o descrive anche Predicted Outputs per un file di testo o codice il cui contenuto atteso è in gran parte noto. Questo percorso facoltativo usa il testo noto quando rigenera una versione con modifiche limitate e non combina previsione e chiamate di funzione. Per l’attività stessa, scegliete un risultato finale utile: un passaggio modificato, una spiegazione visiva, una risposta proposta o rilievi strutturati. Mantenete le sue affermazioni importanti legate al materiale originale e usate i messaggi successivi per chiarire una domanda specifica o rivedere una sezione particolare.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-4o-2024-11-20 | 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.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.005 / 1K token Output · Token in output $0.02 / 1K token Input · Lettura dalla cache $0.0025 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.005 / 1K token Output · Token in output $0.02 / 1K token Input · Lettura dalla cache $0.0025 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "openai/gpt-4o-2024-11-20",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2024-11-20', '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-2024-11-20', '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 openai/gpt-4o-2024-11-20
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Edit a project update for a customer\n\nRewrite this internal note as a customer update under 80 words: 'The export fix is implemented in staging. QA found a separate date-format issue. Production rollout waits for both checks. Next review is Thursday.' Keep the tone calm, preserve the staging-versus-production distinction, and offer no release date or claim that the customer's issue is resolved.One customer-facing update with the current stage, remaining check and Thursday review.The draft never turns a scheduled review into a deployment promise or a staging fix into customer-visible resolution.