OpenAI GPT-3.5 Turbo 1106은 gpt-3.5-turbo-1106으로 식별되는, 이름이 있는 GPT-3.5 Turbo 버전입니다. 자연어와 코드를 이해하고 생성하며, 대화 중심 설계로 비대화형 텍스트 작업도 지원합니다. 문서화된 버전 변경에는 기본 16K 컨텍스트 창, 향상된 지시 준수, JSON 모드, 병렬 함수 호출이 포함됩니다. 명시적인 1106 정체성은 이 프로필을 0613 버전, 이후 0125 스냅샷, GPT-3.5 Turbo Instruct와 구분해 줍니다.
관련 텍스트, 답변이 따라야 하는 규칙, 원하는 결과 형식으로 작업을 준비합니다. 지원 답변에는 고객 질문과 적용되는 제품 사실을 포함하세요. 추출에서는 식별할 필드를 명시하고 필드가 없을 때 어떻게 해야 하는지 설명합니다. 코드 작업에는 관련 코드, 예상 동작, 해결할 오류나 제약을 제공하세요. 16K 컨텍스트 허용량은 보조 자료를 위한 공간이며, 모든 세부 사항을 올바르게 사용하거나 답변이 입력만큼 길 수 있음을 약속하지는 않습니다.
OpenAI는 GPT-3.5 Turbo 계열의 지식 기준일을 2021년 9월로 명시합니다. 답변이 이후 정보나 프로젝트 고유 사실에 의존하면 권위 있는 자료를 제공하세요. 제공된 텍스트에 있는 내용과 추론한 내용을 구분해 달라고 요청합니다. 특정 형식의 답변 요청에서는 모델이 필드, 단위, 관례를 추측하는 데 의존하지 말고 해당 형식을 명시적으로 정의하세요.
JSON 모드는 구문상 유효한 JSON을 생성하는 것을 목표로 합니다. 텍스트 추출이나 분류에서 애플리케이션이 파싱할 수 있는 객체가 필요할 때 유용합니다. JSON을 생성하라는 명시적인 지시를 포함하고 필수 키, 값 유형, 알 수 없는 정보의 처리를 명시하세요. OpenAI는 JSON 지시를 생략하면 토큰 한도까지 공백을 생성할 수 있다고 경고합니다. 완전한 응답과 객체가 끝나기 전에 중단된 출력도 구분해야 합니다.
유효한 JSON만으로는 특정 스키마 준수나 값의 정확성을 보장하지 않습니다. 레코드 추출에서는 필수 키가 존재하고 각 추출 값이 입력에 근거하는지 확인하세요. JSON 모드를 이후 Structured Outputs 기능의 스키마 보장으로 취급해서는 안 됩니다. 출력이 양식을 채우거나 라벨을 선택하거나 다른 워크플로의 입력이 될 때 이 구분이 중요합니다.
1106 버전은 병렬 함수 호출을 지원해 모델이 한 응답에서 둘 이상의 함수 호출을 제안할 수 있게 합니다. 이는 애플리케이션이 정의한 여러 작업이나 독립적인 정보 조회가 필요한 작업을 지원할 수 있습니다. 각 함수의 목적과 예상 입력을 명확하게 설명하세요. 주변 애플리케이션이 작업을 수행하고 결과를 제공하며, 생성된 함수 호출만으로는 행동이 완료되었음을 입증하지 못합니다. 제안된 인수를 검토하고 텍스트 답변을 실제 반환된 결과에 연결해 유지합니다.
OpenAI의 버전 발표는 새로운 16K GPT-3.5 Turbo 모델에 대한 파인튜닝을 문서화합니다. 파인튜닝된 모델은 별도로 준비된 변형이며, 이 기본 버전에 대한 모든 요청의 자동 속성이 아닙니다. 일반적인 사용에서는 명확한 지시와 원하는 답변의 관련 예시로 시작하세요. 추출이나 재작성 지시를 준비할 때 예시는 없는 값이나 그대로 남겨야 하는 표현처럼 중요한 구분을 보여 주어야 합니다.
유용한 출력에는 제공된 제품 정보에 근거한 지원 답변, 확인된 JSON 레코드, 간결한 코드 설명, 명시된 제약에 따라 재작성한 구절이 포함됩니다. 결과를 원문 및 요청 형식과 비교하세요. 코드에서는 대상 프로젝트에서 제안된 변경을 확인하고, 추출에서는 값과 누락 필드 처리를 확인합니다. 이 버전의 가치는 의도한 결과가 명확한 입력에 구체적인 텍스트, 형식 준수, 함수 호출 능력을 적용하는 데 있습니다.
", "aboutText": "OpenAI GPT-3.5 Turbo 1106은 gpt-3.5-turbo-1106으로 식별되는, 이름이 있는 GPT-3.5 Turbo 버전입니다. 자연어와 코드를 이해하고 생성하며, 대화 중심 설계로 비대화형 텍스트 작업도 지원합니다. 문서화된 버전 변경에는 기본 16K 컨텍스트 창, 향상된 지시 준수, JSON 모드, 병렬 함수 호출이 포함됩니다. 명시적인 1106 정체성은 이 프로필을 0613 버전, 이후 0125 스냅샷, GPT-3.5 Turbo Instruct와 구분해 줍니다.\n\n### 지시와 입력 컨텍스트\n\n관련 텍스트, 답변이 따라야 하는 규칙, 원하는 결과 형식으로 작업을 준비합니다. 지원 답변에는 고객 질문과 적용되는 제품 사실을 포함하세요. 추출에서는 식별할 필드를 명시하고 필드가 없을 때 어떻게 해야 하는지 설명합니다. 코드 작업에는 관련 코드, 예상 동작, 해결할 오류나 제약을 제공하세요. 16K 컨텍스트 허용량은 보조 자료를 위한 공간이며, 모든 세부 사항을 올바르게 사용하거나 답변이 입력만큼 길 수 있음을 약속하지는 않습니다.\n\nOpenAI는 GPT-3.5 Turbo 계열의 지식 기준일을 2021년 9월로 명시합니다. 답변이 이후 정보나 프로젝트 고유 사실에 의존하면 권위 있는 자료를 제공하세요. 제공된 텍스트에 있는 내용과 추론한 내용을 구분해 달라고 요청합니다. 특정 형식의 답변 요청에서는 모델이 필드, 단위, 관례를 추측하는 데 의존하지 말고 해당 형식을 명시적으로 정의하세요.\n\n### JSON 모드와 스키마 점검\n\nJSON 모드는 구문상 유효한 JSON을 생성하는 것을 목표로 합니다. 텍스트 추출이나 분류에서 애플리케이션이 파싱할 수 있는 객체가 필요할 때 유용합니다. JSON을 생성하라는 명시적인 지시를 포함하고 필수 키, 값 유형, 알 수 없는 정보의 처리를 명시하세요. OpenAI는 JSON 지시를 생략하면 토큰 한도까지 공백을 생성할 수 있다고 경고합니다. 완전한 응답과 객체가 끝나기 전에 중단된 출력도 구분해야 합니다.\n\n유효한 JSON만으로는 특정 스키마 준수나 값의 정확성을 보장하지 않습니다. 레코드 추출에서는 필수 키가 존재하고 각 추출 값이 입력에 근거하는지 확인하세요. JSON 모드를 이후 Structured Outputs 기능의 스키마 보장으로 취급해서는 안 됩니다. 출력이 양식을 채우거나 라벨을 선택하거나 다른 워크플로의 입력이 될 때 이 구분이 중요합니다.\n\n### 병렬 함수 호출\n\n1106 버전은 병렬 함수 호출을 지원해 모델이 한 응답에서 둘 이상의 함수 호출을 제안할 수 있게 합니다. 이는 애플리케이션이 정의한 여러 작업이나 독립적인 정보 조회가 필요한 작업을 지원할 수 있습니다. 각 함수의 목적과 예상 입력을 명확하게 설명하세요. 주변 애플리케이션이 작업을 수행하고 결과를 제공하며, 생성된 함수 호출만으로는 행동이 완료되었음을 입증하지 못합니다. 제안된 인수를 검토하고 텍스트 답변을 실제 반환된 결과에 연결해 유지합니다.\n\n### 파인튜닝과 실용적 사용\n\nOpenAI의 버전 발표는 새로운 16K GPT-3.5 Turbo 모델에 대한 파인튜닝을 문서화합니다. 파인튜닝된 모델은 별도로 준비된 변형이며, 이 기본 버전에 대한 모든 요청의 자동 속성이 아닙니다. 일반적인 사용에서는 명확한 지시와 원하는 답변의 관련 예시로 시작하세요. 추출이나 재작성 지시를 준비할 때 예시는 없는 값이나 그대로 남겨야 하는 표현처럼 중요한 구분을 보여 주어야 합니다.\n\n유용한 출력에는 제공된 제품 정보에 근거한 지원 답변, 확인된 JSON 레코드, 간결한 코드 설명, 명시된 제약에 따라 재작성한 구절이 포함됩니다. 결과를 원문 및 요청 형식과 비교하세요. 코드에서는 대상 프로젝트에서 제안된 변경을 확인하고, 추출에서는 값과 누락 필드 처리를 확인합니다. 이 버전의 가치는 의도한 결과가 명확한 입력에 구체적인 텍스트, 형식 준수, 함수 호출 능력을 적용하는 데 있습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Request an extraction object\n\nExtract an appointment record from: "Visit V-17 is on 12 December at 10:30 with Morgan. No room assigned." Return only a JSON object with keys visit_id, date_text, time_text, contact and room. Use strings for known values and null for the missing room. Do not infer a year or location.One requested JSON object with five keys; room is null and the date remains textual.Parse the returned JSON and compare every value with the sentence; formatting alone does not establish correctness.gpt-3.5-turbo-1106OpenAI GPT-3.5 Turbo 1106은 16K 컨텍스트 창, 향상된 지시 준수, JSON 모드, 병렬 함수 호출을 갖춘, 이름이 있는 텍스트 모델 버전입니다. 대화형 지원, 텍스트 추출, 출력을 명확히 지정한 코드나 콘텐츠 작업에 사용하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
OpenAI GPT-3.5 Turbo 1106은 gpt-3.5-turbo-1106으로 식별되는, 이름이 있는 GPT-3.5 Turbo 버전입니다. 자연어와 코드를 이해하고 생성하며, 대화 중심 설계로 비대화형 텍스트 작업도 지원합니다. 문서화된 버전 변경에는 기본 16K 컨텍스트 창, 향상된 지시 준수, JSON 모드, 병렬 함수 호출이 포함됩니다. 명시적인 1106 정체성은 이 프로필을 0613 버전, 이후 0125 스냅샷, GPT-3.5 Turbo Instruct와 구분해 줍니다.
관련 텍스트, 답변이 따라야 하는 규칙, 원하는 결과 형식으로 작업을 준비합니다. 지원 답변에는 고객 질문과 적용되는 제품 사실을 포함하세요. 추출에서는 식별할 필드를 명시하고 필드가 없을 때 어떻게 해야 하는지 설명합니다. 코드 작업에는 관련 코드, 예상 동작, 해결할 오류나 제약을 제공하세요. 16K 컨텍스트 허용량은 보조 자료를 위한 공간이며, 모든 세부 사항을 올바르게 사용하거나 답변이 입력만큼 길 수 있음을 약속하지는 않습니다.
OpenAI는 GPT-3.5 Turbo 계열의 지식 기준일을 2021년 9월로 명시합니다. 답변이 이후 정보나 프로젝트 고유 사실에 의존하면 권위 있는 자료를 제공하세요. 제공된 텍스트에 있는 내용과 추론한 내용을 구분해 달라고 요청합니다. 특정 형식의 답변 요청에서는 모델이 필드, 단위, 관례를 추측하는 데 의존하지 말고 해당 형식을 명시적으로 정의하세요.
JSON 모드는 구문상 유효한 JSON을 생성하는 것을 목표로 합니다. 텍스트 추출이나 분류에서 애플리케이션이 파싱할 수 있는 객체가 필요할 때 유용합니다. JSON을 생성하라는 명시적인 지시를 포함하고 필수 키, 값 유형, 알 수 없는 정보의 처리를 명시하세요. OpenAI는 JSON 지시를 생략하면 토큰 한도까지 공백을 생성할 수 있다고 경고합니다. 완전한 응답과 객체가 끝나기 전에 중단된 출력도 구분해야 합니다.
유효한 JSON만으로는 특정 스키마 준수나 값의 정확성을 보장하지 않습니다. 레코드 추출에서는 필수 키가 존재하고 각 추출 값이 입력에 근거하는지 확인하세요. JSON 모드를 이후 Structured Outputs 기능의 스키마 보장으로 취급해서는 안 됩니다. 출력이 양식을 채우거나 라벨을 선택하거나 다른 워크플로의 입력이 될 때 이 구분이 중요합니다.
1106 버전은 병렬 함수 호출을 지원해 모델이 한 응답에서 둘 이상의 함수 호출을 제안할 수 있게 합니다. 이는 애플리케이션이 정의한 여러 작업이나 독립적인 정보 조회가 필요한 작업을 지원할 수 있습니다. 각 함수의 목적과 예상 입력을 명확하게 설명하세요. 주변 애플리케이션이 작업을 수행하고 결과를 제공하며, 생성된 함수 호출만으로는 행동이 완료되었음을 입증하지 못합니다. 제안된 인수를 검토하고 텍스트 답변을 실제 반환된 결과에 연결해 유지합니다.
OpenAI의 버전 발표는 새로운 16K GPT-3.5 Turbo 모델에 대한 파인튜닝을 문서화합니다. 파인튜닝된 모델은 별도로 준비된 변형이며, 이 기본 버전에 대한 모든 요청의 자동 속성이 아닙니다. 일반적인 사용에서는 명확한 지시와 원하는 답변의 관련 예시로 시작하세요. 추출이나 재작성 지시를 준비할 때 예시는 없는 값이나 그대로 남겨야 하는 표현처럼 중요한 구분을 보여 주어야 합니다.
유용한 출력에는 제공된 제품 정보에 근거한 지원 답변, 확인된 JSON 레코드, 간결한 코드 설명, 명시된 제약에 따라 재작성한 구절이 포함됩니다. 결과를 원문 및 요청 형식과 비교하세요. 코드에서는 대상 프로젝트에서 제안된 변경을 확인하고, 추출에서는 값과 누락 필드 처리를 확인합니다. 이 버전의 가치는 의도한 결과가 명확한 입력에 구체적인 텍스트, 형식 준수, 함수 호출 능력을 적용하는 데 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-3.5-turbo-1106 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.002 / 1K 토큰 출력 · 출력 토큰 $0.004 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-3.5-turbo-1106", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-3.5-turbo-1106',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-3.5-turbo-1106',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra gpt-3.5-turbo-1106
위에 표시된 메서드 경로를 사용하세요.
gpt-3.5-turbo-1106OpenAI GPT-3.5 Turbo 1106은 16K 컨텍스트 창, 향상된 지시 준수, JSON 모드, 병렬 함수 호출을 갖춘, 이름이 있는 텍스트 모델 버전입니다. 대화형 지원, 텍스트 추출, 출력을 명확히 지정한 코드나 콘텐츠 작업에 사용하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
OpenAI GPT-3.5 Turbo 1106은 gpt-3.5-turbo-1106으로 식별되는, 이름이 있는 GPT-3.5 Turbo 버전입니다. 자연어와 코드를 이해하고 생성하며, 대화 중심 설계로 비대화형 텍스트 작업도 지원합니다. 문서화된 버전 변경에는 기본 16K 컨텍스트 창, 향상된 지시 준수, JSON 모드, 병렬 함수 호출이 포함됩니다. 명시적인 1106 정체성은 이 프로필을 0613 버전, 이후 0125 스냅샷, GPT-3.5 Turbo Instruct와 구분해 줍니다.
관련 텍스트, 답변이 따라야 하는 규칙, 원하는 결과 형식으로 작업을 준비합니다. 지원 답변에는 고객 질문과 적용되는 제품 사실을 포함하세요. 추출에서는 식별할 필드를 명시하고 필드가 없을 때 어떻게 해야 하는지 설명합니다. 코드 작업에는 관련 코드, 예상 동작, 해결할 오류나 제약을 제공하세요. 16K 컨텍스트 허용량은 보조 자료를 위한 공간이며, 모든 세부 사항을 올바르게 사용하거나 답변이 입력만큼 길 수 있음을 약속하지는 않습니다.
OpenAI는 GPT-3.5 Turbo 계열의 지식 기준일을 2021년 9월로 명시합니다. 답변이 이후 정보나 프로젝트 고유 사실에 의존하면 권위 있는 자료를 제공하세요. 제공된 텍스트에 있는 내용과 추론한 내용을 구분해 달라고 요청합니다. 특정 형식의 답변 요청에서는 모델이 필드, 단위, 관례를 추측하는 데 의존하지 말고 해당 형식을 명시적으로 정의하세요.
JSON 모드는 구문상 유효한 JSON을 생성하는 것을 목표로 합니다. 텍스트 추출이나 분류에서 애플리케이션이 파싱할 수 있는 객체가 필요할 때 유용합니다. JSON을 생성하라는 명시적인 지시를 포함하고 필수 키, 값 유형, 알 수 없는 정보의 처리를 명시하세요. OpenAI는 JSON 지시를 생략하면 토큰 한도까지 공백을 생성할 수 있다고 경고합니다. 완전한 응답과 객체가 끝나기 전에 중단된 출력도 구분해야 합니다.
유효한 JSON만으로는 특정 스키마 준수나 값의 정확성을 보장하지 않습니다. 레코드 추출에서는 필수 키가 존재하고 각 추출 값이 입력에 근거하는지 확인하세요. JSON 모드를 이후 Structured Outputs 기능의 스키마 보장으로 취급해서는 안 됩니다. 출력이 양식을 채우거나 라벨을 선택하거나 다른 워크플로의 입력이 될 때 이 구분이 중요합니다.
1106 버전은 병렬 함수 호출을 지원해 모델이 한 응답에서 둘 이상의 함수 호출을 제안할 수 있게 합니다. 이는 애플리케이션이 정의한 여러 작업이나 독립적인 정보 조회가 필요한 작업을 지원할 수 있습니다. 각 함수의 목적과 예상 입력을 명확하게 설명하세요. 주변 애플리케이션이 작업을 수행하고 결과를 제공하며, 생성된 함수 호출만으로는 행동이 완료되었음을 입증하지 못합니다. 제안된 인수를 검토하고 텍스트 답변을 실제 반환된 결과에 연결해 유지합니다.
OpenAI의 버전 발표는 새로운 16K GPT-3.5 Turbo 모델에 대한 파인튜닝을 문서화합니다. 파인튜닝된 모델은 별도로 준비된 변형이며, 이 기본 버전에 대한 모든 요청의 자동 속성이 아닙니다. 일반적인 사용에서는 명확한 지시와 원하는 답변의 관련 예시로 시작하세요. 추출이나 재작성 지시를 준비할 때 예시는 없는 값이나 그대로 남겨야 하는 표현처럼 중요한 구분을 보여 주어야 합니다.
유용한 출력에는 제공된 제품 정보에 근거한 지원 답변, 확인된 JSON 레코드, 간결한 코드 설명, 명시된 제약에 따라 재작성한 구절이 포함됩니다. 결과를 원문 및 요청 형식과 비교하세요. 코드에서는 대상 프로젝트에서 제안된 변경을 확인하고, 추출에서는 값과 누락 필드 처리를 확인합니다. 이 버전의 가치는 의도한 결과가 명확한 입력에 구체적인 텍스트, 형식 준수, 함수 호출 능력을 적용하는 데 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-3.5-turbo-1106 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.002 / 1K 토큰 출력 · 출력 토큰 $0.004 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gpt-3.5-turbo-1106",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-3.5-turbo-1106', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-3.5-turbo-1106', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra gpt-3.5-turbo-1106
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Request an extraction object\n\nExtract an appointment record from: "Visit V-17 is on 12 December at 10:30 with Morgan. No room assigned." Return only a JSON object with keys visit_id, date_text, time_text, contact and room. Use strings for known values and null for the missing room. Do not infer a year or location.One requested JSON object with five keys; room is null and the date remains textual.Parse the returned JSON and compare every value with the sentence; formatting alone does not establish correctness.