GPT-4 32K는 한 요청에 더 많은 관련 자료가 필요한 작업을 위한 OpenAI의 컨텍스트 확장형 GPT-4 텍스트 프로필입니다. 개발사는 원래 GPT-4 프로필의 8,192토큰과 비교해 32,768토큰 컨텍스트를 문서화합니다. 텍스트를 입력받고 자연어 설명, 초안, 코드를 포함한 텍스트를 반환합니다. 핵심적인 차이는 이후 GPT-4 Turbo 프로필의 128K 창이나 멀티모달 기능이 아니라 더 큰 컨텍스트입니다.
명확히 제시한 작업과 관련된 문서나 코드를 제공합니다. 요구 사항 비교에서는 여러 사양을 함께 넣고 어떤 조건이 일치하는지, 무엇이 충돌하는지, 어떤 원본이 판단의 기준인지 물을 수 있습니다. 각 원본에 식별자를 부여하고 중요한 발견을 뒷받침하는 구절을 요청하세요. 관련 근거를 함께 유지하면 모델이 비교하는 데 도움이 될 수 있지만, 결과에도 결론과 원본 사이의 연결을 보존해야 합니다.
코드베이스 질문에는 관련 함수, 이를 호출하는 코드, 조사하는 동작을 포함합니다. 의존 관계의 설명이나 해당 동작에 연결된 집중적인 변경을 요청하세요. 더 큰 컨텍스트는 유용한 주변 코드를 담을 수 있지만, 질문이나 완료 기준을 정의할 필요를 없애지는 않습니다. 코드 제안은 변경의 동기가 되는 입력 사례와 확인할 수 있는 예상 결과를 식별해야 합니다.
GPT-4 릴리스는 system 메시지를 통한 조정 가능성을 설명하며, 개발자가 모델의 작업, 어조, 스타일을 지정할 수 있다고 밝힙니다. 해당 지시로 응답이 짧은 설명, 비교, 초안, 이름이 있는 필드의 기록 중 무엇이어야 하는지 정하세요. 누락된 정보를 어떻게 나타낼지 정의하고, 제공된 사실과 가정을 구분합니다. 문서 처리 작업에서는 각 조건 옆에 원본 식별자와 관련 구절이 있는 조건 목록을 요청할 수 있습니다.
대화가 진행되는 동안 해당 지시를 유지합니다. 다음 요청에서 이전 결과를 수정한다면 실제 이전 결과를 포함하고 무엇이 바뀌어야 하는지 식별하세요. 새로 분리된 프롬프트가 앞선 작업 전체를 보존한다고 가정하기보다, 비교에서 의견이 다른 부분을 좁히거나 초안의 한 부분을 수정해 달라는 후속 요청이 유용합니다.
개발사의 0613 업데이트는 컨텍스트 확장 버전에 GPT-4의 함수 호출 개선 사항을 추가합니다. 개발자가 함수와 매개변수를 설명하면, 모델은 해당 함수의 인수가 들어 있는 JSON 객체를 반환할 수 있습니다. 애플리케이션이 작업을 실행하고 반환된 결과를 제공합니다. 유용한 기능은 모델이 외부 행동을 직접 완료하는 것이 아니라 애플리케이션 동작에 연결된 구조화된 요청입니다.
정보 도우미에서는 함수로 질문에 답하는 데 필요한 실제 레코드를 가져올 수 있습니다. 요청한 식별자와 반환된 레코드를 서로 연결해 유지한 뒤, 해당 결과에 기반한 답변을 요청하세요. 제안된 행동이 사용자 요청에 의해 뒷받침되는지, 함수가 실제로 완료했는지 확인합니다. 업데이트된 함수 인터페이스는 이후 GPT-4 Turbo에 추가된 JSON 모드 및 병렬 호출과 별개입니다.
원래 GPT-4 릴리스는 사실에 관한 환각, 추론 오류, 새로운 사건에 대한 제한된 지식을 중요한 한계로 지적합니다. 해당 릴리스는 GPT-4 학습 데이터의 대부분이 2021년 9월까지라고 밝힙니다. 답이 달라진 질문에는 최신 근거를 제공하고, 중요한 수치, 이름, 코드 동작을 원본과 대조하세요. 자신감 있는 설명도 조건을 오해하거나 결함을 도입할 수 있습니다.
요청한 산출물을 작업 및 사용 가능한 컨텍스트에 맞는 규모로 유지합니다. 32K라는 수치는 컨텍스트 용량이며, 같은 길이의 완성된 답변이나 포함된 모든 구절의 완벽한 이해를 약속하지 않습니다. 선택한 모델 프로필, 지시, 원본 자료, 결과를 함께 보존하세요. 그러면 긴 문서 비교, 코드 설명, 수정한 초안을 확인하고 이어 갈 수 있을 만큼 구체적으로 만들 수 있습니다.
", "aboutText": "GPT-4 32K는 한 요청에 더 많은 관련 자료가 필요한 작업을 위한 OpenAI의 컨텍스트 확장형 GPT-4 텍스트 프로필입니다. 개발사는 원래 GPT-4 프로필의 8,192토큰과 비교해 32,768토큰 컨텍스트를 문서화합니다. 텍스트를 입력받고 자연어 설명, 초안, 코드를 포함한 텍스트를 반환합니다. 핵심적인 차이는 이후 GPT-4 Turbo 프로필의 128K 창이나 멀티모달 기능이 아니라 더 큰 컨텍스트입니다.\n\n### 관련 근거를 위해 컨텍스트 사용하기\n\n명확히 제시한 작업과 관련된 문서나 코드를 제공합니다. 요구 사항 비교에서는 여러 사양을 함께 넣고 어떤 조건이 일치하는지, 무엇이 충돌하는지, 어떤 원본이 판단의 기준인지 물을 수 있습니다. 각 원본에 식별자를 부여하고 중요한 발견을 뒷받침하는 구절을 요청하세요. 관련 근거를 함께 유지하면 모델이 비교하는 데 도움이 될 수 있지만, 결과에도 결론과 원본 사이의 연결을 보존해야 합니다.\n\n코드베이스 질문에는 관련 함수, 이를 호출하는 코드, 조사하는 동작을 포함합니다. 의존 관계의 설명이나 해당 동작에 연결된 집중적인 변경을 요청하세요. 더 큰 컨텍스트는 유용한 주변 코드를 담을 수 있지만, 질문이나 완료 기준을 정의할 필요를 없애지는 않습니다. 코드 제안은 변경의 동기가 되는 입력 사례와 확인할 수 있는 예상 결과를 식별해야 합니다.\n\n### 작업과 응답 스타일 명시하기\n\nGPT-4 릴리스는 system 메시지를 통한 조정 가능성을 설명하며, 개발자가 모델의 작업, 어조, 스타일을 지정할 수 있다고 밝힙니다. 해당 지시로 응답이 짧은 설명, 비교, 초안, 이름이 있는 필드의 기록 중 무엇이어야 하는지 정하세요. 누락된 정보를 어떻게 나타낼지 정의하고, 제공된 사실과 가정을 구분합니다. 문서 처리 작업에서는 각 조건 옆에 원본 식별자와 관련 구절이 있는 조건 목록을 요청할 수 있습니다.\n\n대화가 진행되는 동안 해당 지시를 유지합니다. 다음 요청에서 이전 결과를 수정한다면 실제 이전 결과를 포함하고 무엇이 바뀌어야 하는지 식별하세요. 새로 분리된 프롬프트가 앞선 작업 전체를 보존한다고 가정하기보다, 비교에서 의견이 다른 부분을 좁히거나 초안의 한 부분을 수정해 달라는 후속 요청이 유용합니다.\n\n### 업데이트된 32K 계열의 함수 호출\n\n개발사의 0613 업데이트는 컨텍스트 확장 버전에 GPT-4의 함수 호출 개선 사항을 추가합니다. 개발자가 함수와 매개변수를 설명하면, 모델은 해당 함수의 인수가 들어 있는 JSON 객체를 반환할 수 있습니다. 애플리케이션이 작업을 실행하고 반환된 결과를 제공합니다. 유용한 기능은 모델이 외부 행동을 직접 완료하는 것이 아니라 애플리케이션 동작에 연결된 구조화된 요청입니다.\n\n정보 도우미에서는 함수로 질문에 답하는 데 필요한 실제 레코드를 가져올 수 있습니다. 요청한 식별자와 반환된 레코드를 서로 연결해 유지한 뒤, 해당 결과에 기반한 답변을 요청하세요. 제안된 행동이 사용자 요청에 의해 뒷받침되는지, 함수가 실제로 완료했는지 확인합니다. 업데이트된 함수 인터페이스는 이후 GPT-4 Turbo에 추가된 JSON 모드 및 병렬 호출과 별개입니다.\n\n### 자료와 대조해 답변 검토하기\n\n원래 GPT-4 릴리스는 사실에 관한 환각, 추론 오류, 새로운 사건에 대한 제한된 지식을 중요한 한계로 지적합니다. 해당 릴리스는 GPT-4 학습 데이터의 대부분이 2021년 9월까지라고 밝힙니다. 답이 달라진 질문에는 최신 근거를 제공하고, 중요한 수치, 이름, 코드 동작을 원본과 대조하세요. 자신감 있는 설명도 조건을 오해하거나 결함을 도입할 수 있습니다.\n\n요청한 산출물을 작업 및 사용 가능한 컨텍스트에 맞는 규모로 유지합니다. 32K라는 수치는 컨텍스트 용량이며, 같은 길이의 완성된 답변이나 포함된 모든 구절의 완벽한 이해를 약속하지 않습니다. 선택한 모델 프로필, 지시, 원본 자료, 결과를 함께 보존하세요. 그러면 긴 문서 비교, 코드 설명, 수정한 초안을 확인하고 이어 갈 수 있을 만큼 구체적으로 만들 수 있습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Compare a specification and addendum\n\nCompare these labelled terms for a project manager. Specification S: deliver 40 desks by 1 June; acceptance requires assembly. Addendum A: delivery moves to 8 June; all other terms remain unchanged. Addendum A has priority. Write the current obligations in three bullets and show which source establishes each. Do not treat the original deadline as still active.Three source-linked obligations for quantity, revised delivery date and assembly at acceptance.Only the deadline changes; the answer retains 40 desks and the assembly requirement.gpt-4-32kGPT-4 32K는 더 큰 문서나 코드 모음 작업을 위한 컨텍스트 확장형 GPT-4 텍스트 프로필입니다. 문서화된 32,768토큰 컨텍스트로 관련 자료를 한 작업에 담을 수 있으며, system 지시가 응답을 안내하고 업데이트된 0613 버전에는 함수 호출이 문서화되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-4 32K는 한 요청에 더 많은 관련 자료가 필요한 작업을 위한 OpenAI의 컨텍스트 확장형 GPT-4 텍스트 프로필입니다. 개발사는 원래 GPT-4 프로필의 8,192토큰과 비교해 32,768토큰 컨텍스트를 문서화합니다. 텍스트를 입력받고 자연어 설명, 초안, 코드를 포함한 텍스트를 반환합니다. 핵심적인 차이는 이후 GPT-4 Turbo 프로필의 128K 창이나 멀티모달 기능이 아니라 더 큰 컨텍스트입니다.
명확히 제시한 작업과 관련된 문서나 코드를 제공합니다. 요구 사항 비교에서는 여러 사양을 함께 넣고 어떤 조건이 일치하는지, 무엇이 충돌하는지, 어떤 원본이 판단의 기준인지 물을 수 있습니다. 각 원본에 식별자를 부여하고 중요한 발견을 뒷받침하는 구절을 요청하세요. 관련 근거를 함께 유지하면 모델이 비교하는 데 도움이 될 수 있지만, 결과에도 결론과 원본 사이의 연결을 보존해야 합니다.
코드베이스 질문에는 관련 함수, 이를 호출하는 코드, 조사하는 동작을 포함합니다. 의존 관계의 설명이나 해당 동작에 연결된 집중적인 변경을 요청하세요. 더 큰 컨텍스트는 유용한 주변 코드를 담을 수 있지만, 질문이나 완료 기준을 정의할 필요를 없애지는 않습니다. 코드 제안은 변경의 동기가 되는 입력 사례와 확인할 수 있는 예상 결과를 식별해야 합니다.
GPT-4 릴리스는 system 메시지를 통한 조정 가능성을 설명하며, 개발자가 모델의 작업, 어조, 스타일을 지정할 수 있다고 밝힙니다. 해당 지시로 응답이 짧은 설명, 비교, 초안, 이름이 있는 필드의 기록 중 무엇이어야 하는지 정하세요. 누락된 정보를 어떻게 나타낼지 정의하고, 제공된 사실과 가정을 구분합니다. 문서 처리 작업에서는 각 조건 옆에 원본 식별자와 관련 구절이 있는 조건 목록을 요청할 수 있습니다.
대화가 진행되는 동안 해당 지시를 유지합니다. 다음 요청에서 이전 결과를 수정한다면 실제 이전 결과를 포함하고 무엇이 바뀌어야 하는지 식별하세요. 새로 분리된 프롬프트가 앞선 작업 전체를 보존한다고 가정하기보다, 비교에서 의견이 다른 부분을 좁히거나 초안의 한 부분을 수정해 달라는 후속 요청이 유용합니다.
개발사의 0613 업데이트는 컨텍스트 확장 버전에 GPT-4의 함수 호출 개선 사항을 추가합니다. 개발자가 함수와 매개변수를 설명하면, 모델은 해당 함수의 인수가 들어 있는 JSON 객체를 반환할 수 있습니다. 애플리케이션이 작업을 실행하고 반환된 결과를 제공합니다. 유용한 기능은 모델이 외부 행동을 직접 완료하는 것이 아니라 애플리케이션 동작에 연결된 구조화된 요청입니다.
정보 도우미에서는 함수로 질문에 답하는 데 필요한 실제 레코드를 가져올 수 있습니다. 요청한 식별자와 반환된 레코드를 서로 연결해 유지한 뒤, 해당 결과에 기반한 답변을 요청하세요. 제안된 행동이 사용자 요청에 의해 뒷받침되는지, 함수가 실제로 완료했는지 확인합니다. 업데이트된 함수 인터페이스는 이후 GPT-4 Turbo에 추가된 JSON 모드 및 병렬 호출과 별개입니다.
원래 GPT-4 릴리스는 사실에 관한 환각, 추론 오류, 새로운 사건에 대한 제한된 지식을 중요한 한계로 지적합니다. 해당 릴리스는 GPT-4 학습 데이터의 대부분이 2021년 9월까지라고 밝힙니다. 답이 달라진 질문에는 최신 근거를 제공하고, 중요한 수치, 이름, 코드 동작을 원본과 대조하세요. 자신감 있는 설명도 조건을 오해하거나 결함을 도입할 수 있습니다.
요청한 산출물을 작업 및 사용 가능한 컨텍스트에 맞는 규모로 유지합니다. 32K라는 수치는 컨텍스트 용량이며, 같은 길이의 완성된 답변이나 포함된 모든 구절의 완벽한 이해를 약속하지 않습니다. 선택한 모델 프로필, 지시, 원본 자료, 결과를 함께 보존하세요. 그러면 긴 문서 비교, 코드 설명, 수정한 초안을 확인하고 이어 갈 수 있을 만큼 구체적으로 만들 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-4-32k | 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 $0.12 / 1K 토큰 출력 · 출력 토큰 $0.24 / 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-4-32k", "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',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',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-4-32k
위에 표시된 메서드 경로를 사용하세요.
gpt-4-32kGPT-4 32K는 더 큰 문서나 코드 모음 작업을 위한 컨텍스트 확장형 GPT-4 텍스트 프로필입니다. 문서화된 32,768토큰 컨텍스트로 관련 자료를 한 작업에 담을 수 있으며, system 지시가 응답을 안내하고 업데이트된 0613 버전에는 함수 호출이 문서화되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-4 32K는 한 요청에 더 많은 관련 자료가 필요한 작업을 위한 OpenAI의 컨텍스트 확장형 GPT-4 텍스트 프로필입니다. 개발사는 원래 GPT-4 프로필의 8,192토큰과 비교해 32,768토큰 컨텍스트를 문서화합니다. 텍스트를 입력받고 자연어 설명, 초안, 코드를 포함한 텍스트를 반환합니다. 핵심적인 차이는 이후 GPT-4 Turbo 프로필의 128K 창이나 멀티모달 기능이 아니라 더 큰 컨텍스트입니다.
명확히 제시한 작업과 관련된 문서나 코드를 제공합니다. 요구 사항 비교에서는 여러 사양을 함께 넣고 어떤 조건이 일치하는지, 무엇이 충돌하는지, 어떤 원본이 판단의 기준인지 물을 수 있습니다. 각 원본에 식별자를 부여하고 중요한 발견을 뒷받침하는 구절을 요청하세요. 관련 근거를 함께 유지하면 모델이 비교하는 데 도움이 될 수 있지만, 결과에도 결론과 원본 사이의 연결을 보존해야 합니다.
코드베이스 질문에는 관련 함수, 이를 호출하는 코드, 조사하는 동작을 포함합니다. 의존 관계의 설명이나 해당 동작에 연결된 집중적인 변경을 요청하세요. 더 큰 컨텍스트는 유용한 주변 코드를 담을 수 있지만, 질문이나 완료 기준을 정의할 필요를 없애지는 않습니다. 코드 제안은 변경의 동기가 되는 입력 사례와 확인할 수 있는 예상 결과를 식별해야 합니다.
GPT-4 릴리스는 system 메시지를 통한 조정 가능성을 설명하며, 개발자가 모델의 작업, 어조, 스타일을 지정할 수 있다고 밝힙니다. 해당 지시로 응답이 짧은 설명, 비교, 초안, 이름이 있는 필드의 기록 중 무엇이어야 하는지 정하세요. 누락된 정보를 어떻게 나타낼지 정의하고, 제공된 사실과 가정을 구분합니다. 문서 처리 작업에서는 각 조건 옆에 원본 식별자와 관련 구절이 있는 조건 목록을 요청할 수 있습니다.
대화가 진행되는 동안 해당 지시를 유지합니다. 다음 요청에서 이전 결과를 수정한다면 실제 이전 결과를 포함하고 무엇이 바뀌어야 하는지 식별하세요. 새로 분리된 프롬프트가 앞선 작업 전체를 보존한다고 가정하기보다, 비교에서 의견이 다른 부분을 좁히거나 초안의 한 부분을 수정해 달라는 후속 요청이 유용합니다.
개발사의 0613 업데이트는 컨텍스트 확장 버전에 GPT-4의 함수 호출 개선 사항을 추가합니다. 개발자가 함수와 매개변수를 설명하면, 모델은 해당 함수의 인수가 들어 있는 JSON 객체를 반환할 수 있습니다. 애플리케이션이 작업을 실행하고 반환된 결과를 제공합니다. 유용한 기능은 모델이 외부 행동을 직접 완료하는 것이 아니라 애플리케이션 동작에 연결된 구조화된 요청입니다.
정보 도우미에서는 함수로 질문에 답하는 데 필요한 실제 레코드를 가져올 수 있습니다. 요청한 식별자와 반환된 레코드를 서로 연결해 유지한 뒤, 해당 결과에 기반한 답변을 요청하세요. 제안된 행동이 사용자 요청에 의해 뒷받침되는지, 함수가 실제로 완료했는지 확인합니다. 업데이트된 함수 인터페이스는 이후 GPT-4 Turbo에 추가된 JSON 모드 및 병렬 호출과 별개입니다.
원래 GPT-4 릴리스는 사실에 관한 환각, 추론 오류, 새로운 사건에 대한 제한된 지식을 중요한 한계로 지적합니다. 해당 릴리스는 GPT-4 학습 데이터의 대부분이 2021년 9월까지라고 밝힙니다. 답이 달라진 질문에는 최신 근거를 제공하고, 중요한 수치, 이름, 코드 동작을 원본과 대조하세요. 자신감 있는 설명도 조건을 오해하거나 결함을 도입할 수 있습니다.
요청한 산출물을 작업 및 사용 가능한 컨텍스트에 맞는 규모로 유지합니다. 32K라는 수치는 컨텍스트 용량이며, 같은 길이의 완성된 답변이나 포함된 모든 구절의 완벽한 이해를 약속하지 않습니다. 선택한 모델 프로필, 지시, 원본 자료, 결과를 함께 보존하세요. 그러면 긴 문서 비교, 코드 설명, 수정한 초안을 확인하고 이어 갈 수 있을 만큼 구체적으로 만들 수 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-4-32k | 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 $0.12 / 1K 토큰 출력 · 출력 토큰 $0.24 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gpt-4-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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-4-32k
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Compare a specification and addendum\n\nCompare these labelled terms for a project manager. Specification S: deliver 40 desks by 1 June; acceptance requires assembly. Addendum A: delivery moves to 8 June; all other terms remain unchanged. Addendum A has priority. Write the current obligations in three bullets and show which source establishes each. Do not treat the original deadline as still active.Three source-linked obligations for quantity, revised delivery date and assembly at acceptance.Only the deadline changes; the answer retains 40 desks and the assembly requirement.