OpenAI GPT-3.5 Turbo 1106 ialah edisi GPT-3.5 Turbo yang dinamakan secara khusus dan dikenal pasti sebagai gpt-3.5-turbo-1106. Model ini memahami dan menjana bahasa semula jadi serta kod, dengan reka bentuk berorientasikan sembang yang turut menyokong tugas teks bukan perbualan. Perubahan edisi yang didokumenkan termasuk tetingkap konteks 16K secara lalai, pematuhan arahan yang dipertingkat, mod JSON dan panggilan fungsi selari. Identiti 1106 yang jelas mengekalkan profil ini secara berasingan daripada edisi 0613, snapshot 0125 yang lebih kemudian dan GPT-3.5 Turbo Instruct.
Sediakan tugas dengan teks yang relevan, peraturan yang mesti diikuti oleh jawapan dan bentuk hasil yang dikehendaki. Bagi balasan sokongan, sertakan soalan pelanggan serta fakta produk yang terpakai. Bagi pengekstrakan, namakan medan yang perlu dikenal pasti dan jelaskan tindakan apabila medan tiada. Bagi tugas kod, berikan kod yang relevan, tingkah laku yang dijangkakan serta ralat atau kekangan yang perlu ditangani. Peruntukan konteks 16K menyediakan ruang untuk bahan sokongan; peruntukan ini bukan janji bahawa setiap butiran akan digunakan dengan betul atau jawapan boleh sepanjang input.
OpenAI menyenaraikan had pengetahuan September 2021 bagi keluarga GPT-3.5 Turbo. Berikan bahan rujukan yang berautoriti apabila jawapan bergantung pada maklumat yang lebih kemudian atau fakta khusus projek. Minta model membezakan perkara yang terdapat dalam teks yang diberikan daripada inferensnya. Permintaan jawapan dalam format tertentu perlu mentakrifkan format itu secara jelas, bukannya bergantung pada model untuk meneka medan, unit atau konvensi.
Mod JSON bertujuan menghasilkan JSON yang sah dari segi sintaks. Mod ini berguna apabila pengekstrakan teks atau pengelasan memerlukan objek yang boleh dihuraikan oleh aplikasi. Sertakan arahan yang jelas untuk menghasilkan JSON dan nyatakan kunci wajib, jenis nilai serta pengendalian maklumat yang tidak diketahui. OpenAI memberi amaran bahawa ketiadaan arahan JSON boleh menyebabkan penjanaan aksara ruang kosong sehingga had token dicapai. Respons lengkap juga perlu dibezakan daripada output yang terputus sebelum objek selesai.
JSON yang sah tidak dengan sendirinya menjamin pematuhan skema tertentu atau ketepatan nilainya. Bagi tugas pengekstrakan rekod, semak bahawa kunci wajib hadir dan setiap nilai yang diekstrak disokong oleh input. Mod JSON tidak boleh dianggap sebagai jaminan skema ciri Structured Outputs yang lebih baharu. Perbezaan ini penting apabila output akan mengisi borang, memilih label atau menjadi input kepada aliran kerja lain.
Edisi 1106 menyokong panggilan fungsi selari, membolehkan model mencadangkan lebih daripada satu panggilan fungsi dalam respons. Ini boleh menyokong tugas yang memerlukan beberapa operasi yang ditakrifkan oleh aplikasi atau carian maklumat bebas. Huraikan tujuan setiap fungsi serta input yang dijangkakan dengan jelas. Aplikasi yang melingkunginya melaksanakan operasi dan memberikan hasil; panggilan fungsi yang dijana semata-mata bukan bukti bahawa tindakan telah selesai. Semak argumen yang dicadangkan dan kaitkan jawapan teks dengan hasil yang benar-benar dikembalikan.
Pengumuman edisi OpenAI mendokumenkan fine-tuning bagi model GPT-3.5 Turbo 16K baharu. Model yang menjalani fine-tuning ialah varian yang disediakan secara berasingan, bukannya sifat automatik setiap permintaan kepada edisi asas ini. Bagi kegunaan biasa, mulakan dengan arahan yang jelas serta contoh jawapan yang relevan. Apabila menyediakan arahan pengekstrakan atau penulisan semula, contoh perlu menunjukkan perbezaan yang penting, seperti nilai yang tiada atau frasa yang mesti dikekalkan.
Output yang berguna termasuk respons sokongan yang berasaskan maklumat produk yang diberikan, rekod JSON yang disemak, penjelasan kod yang ringkas atau petikan yang ditulis semula dengan kekangan yang dinyatakan. Bandingkan hasil dengan teks sumber serta format yang diminta. Bagi kod, semak perubahan yang dicadangkan dalam projek sasaran; bagi pengekstrakan, semak nilai serta pengendalian medan yang tiada. Nilai edisi ini ialah keupayaan teks, pematuhan format dan panggilan fungsi yang konkrit, diterapkan kepada input yang hasil tujuannya jelas.
", "aboutText": "OpenAI GPT-3.5 Turbo 1106 ialah edisi GPT-3.5 Turbo yang dinamakan secara khusus dan dikenal pasti sebagai gpt-3.5-turbo-1106. Model ini memahami dan menjana bahasa semula jadi serta kod, dengan reka bentuk berorientasikan sembang yang turut menyokong tugas teks bukan perbualan. Perubahan edisi yang didokumenkan termasuk tetingkap konteks 16K secara lalai, pematuhan arahan yang dipertingkat, mod JSON dan panggilan fungsi selari. Identiti 1106 yang jelas mengekalkan profil ini secara berasingan daripada edisi 0613, snapshot 0125 yang lebih kemudian dan GPT-3.5 Turbo Instruct.\n\n### Arahan dan konteks input\n\nSediakan tugas dengan teks yang relevan, peraturan yang mesti diikuti oleh jawapan dan bentuk hasil yang dikehendaki. Bagi balasan sokongan, sertakan soalan pelanggan serta fakta produk yang terpakai. Bagi pengekstrakan, namakan medan yang perlu dikenal pasti dan jelaskan tindakan apabila medan tiada. Bagi tugas kod, berikan kod yang relevan, tingkah laku yang dijangkakan serta ralat atau kekangan yang perlu ditangani. Peruntukan konteks 16K menyediakan ruang untuk bahan sokongan; peruntukan ini bukan janji bahawa setiap butiran akan digunakan dengan betul atau jawapan boleh sepanjang input.\n\nOpenAI menyenaraikan had pengetahuan September 2021 bagi keluarga GPT-3.5 Turbo. Berikan bahan rujukan yang berautoriti apabila jawapan bergantung pada maklumat yang lebih kemudian atau fakta khusus projek. Minta model membezakan perkara yang terdapat dalam teks yang diberikan daripada inferensnya. Permintaan jawapan dalam format tertentu perlu mentakrifkan format itu secara jelas, bukannya bergantung pada model untuk meneka medan, unit atau konvensi.\n\n### Mod JSON dan semakan skema\n\nMod JSON bertujuan menghasilkan JSON yang sah dari segi sintaks. Mod ini berguna apabila pengekstrakan teks atau pengelasan memerlukan objek yang boleh dihuraikan oleh aplikasi. Sertakan arahan yang jelas untuk menghasilkan JSON dan nyatakan kunci wajib, jenis nilai serta pengendalian maklumat yang tidak diketahui. OpenAI memberi amaran bahawa ketiadaan arahan JSON boleh menyebabkan penjanaan aksara ruang kosong sehingga had token dicapai. Respons lengkap juga perlu dibezakan daripada output yang terputus sebelum objek selesai.\n\nJSON yang sah tidak dengan sendirinya menjamin pematuhan skema tertentu atau ketepatan nilainya. Bagi tugas pengekstrakan rekod, semak bahawa kunci wajib hadir dan setiap nilai yang diekstrak disokong oleh input. Mod JSON tidak boleh dianggap sebagai jaminan skema ciri Structured Outputs yang lebih baharu. Perbezaan ini penting apabila output akan mengisi borang, memilih label atau menjadi input kepada aliran kerja lain.\n\n### Panggilan fungsi selari\n\nEdisi 1106 menyokong panggilan fungsi selari, membolehkan model mencadangkan lebih daripada satu panggilan fungsi dalam respons. Ini boleh menyokong tugas yang memerlukan beberapa operasi yang ditakrifkan oleh aplikasi atau carian maklumat bebas. Huraikan tujuan setiap fungsi serta input yang dijangkakan dengan jelas. Aplikasi yang melingkunginya melaksanakan operasi dan memberikan hasil; panggilan fungsi yang dijana semata-mata bukan bukti bahawa tindakan telah selesai. Semak argumen yang dicadangkan dan kaitkan jawapan teks dengan hasil yang benar-benar dikembalikan.\n\n### Fine-tuning dan kegunaan praktikal\n\nPengumuman edisi OpenAI mendokumenkan fine-tuning bagi model GPT-3.5 Turbo 16K baharu. Model yang menjalani fine-tuning ialah varian yang disediakan secara berasingan, bukannya sifat automatik setiap permintaan kepada edisi asas ini. Bagi kegunaan biasa, mulakan dengan arahan yang jelas serta contoh jawapan yang relevan. Apabila menyediakan arahan pengekstrakan atau penulisan semula, contoh perlu menunjukkan perbezaan yang penting, seperti nilai yang tiada atau frasa yang mesti dikekalkan.\n\nOutput yang berguna termasuk respons sokongan yang berasaskan maklumat produk yang diberikan, rekod JSON yang disemak, penjelasan kod yang ringkas atau petikan yang ditulis semula dengan kekangan yang dinyatakan. Bandingkan hasil dengan teks sumber serta format yang diminta. Bagi kod, semak perubahan yang dicadangkan dalam projek sasaran; bagi pengekstrakan, semak nilai serta pengendalian medan yang tiada. Nilai edisi ini ialah keupayaan teks, pematuhan format dan panggilan fungsi yang konkrit, diterapkan kepada input yang hasil tujuannya jelas.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
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 1106 ialah edisi model teks yang dinamakan secara khusus dengan tetingkap konteks 16K, pematuhan arahan yang dipertingkat, mod JSON dan panggilan fungsi selari. Gunakannya untuk bantuan perbualan, pengekstrakan teks serta tugas kod atau kandungan dengan output yang ditetapkan dengan jelas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
OpenAI GPT-3.5 Turbo 1106 ialah edisi GPT-3.5 Turbo yang dinamakan secara khusus dan dikenal pasti sebagai gpt-3.5-turbo-1106. Model ini memahami dan menjana bahasa semula jadi serta kod, dengan reka bentuk berorientasikan sembang yang turut menyokong tugas teks bukan perbualan. Perubahan edisi yang didokumenkan termasuk tetingkap konteks 16K secara lalai, pematuhan arahan yang dipertingkat, mod JSON dan panggilan fungsi selari. Identiti 1106 yang jelas mengekalkan profil ini secara berasingan daripada edisi 0613, snapshot 0125 yang lebih kemudian dan GPT-3.5 Turbo Instruct.
Sediakan tugas dengan teks yang relevan, peraturan yang mesti diikuti oleh jawapan dan bentuk hasil yang dikehendaki. Bagi balasan sokongan, sertakan soalan pelanggan serta fakta produk yang terpakai. Bagi pengekstrakan, namakan medan yang perlu dikenal pasti dan jelaskan tindakan apabila medan tiada. Bagi tugas kod, berikan kod yang relevan, tingkah laku yang dijangkakan serta ralat atau kekangan yang perlu ditangani. Peruntukan konteks 16K menyediakan ruang untuk bahan sokongan; peruntukan ini bukan janji bahawa setiap butiran akan digunakan dengan betul atau jawapan boleh sepanjang input.
OpenAI menyenaraikan had pengetahuan September 2021 bagi keluarga GPT-3.5 Turbo. Berikan bahan rujukan yang berautoriti apabila jawapan bergantung pada maklumat yang lebih kemudian atau fakta khusus projek. Minta model membezakan perkara yang terdapat dalam teks yang diberikan daripada inferensnya. Permintaan jawapan dalam format tertentu perlu mentakrifkan format itu secara jelas, bukannya bergantung pada model untuk meneka medan, unit atau konvensi.
Mod JSON bertujuan menghasilkan JSON yang sah dari segi sintaks. Mod ini berguna apabila pengekstrakan teks atau pengelasan memerlukan objek yang boleh dihuraikan oleh aplikasi. Sertakan arahan yang jelas untuk menghasilkan JSON dan nyatakan kunci wajib, jenis nilai serta pengendalian maklumat yang tidak diketahui. OpenAI memberi amaran bahawa ketiadaan arahan JSON boleh menyebabkan penjanaan aksara ruang kosong sehingga had token dicapai. Respons lengkap juga perlu dibezakan daripada output yang terputus sebelum objek selesai.
JSON yang sah tidak dengan sendirinya menjamin pematuhan skema tertentu atau ketepatan nilainya. Bagi tugas pengekstrakan rekod, semak bahawa kunci wajib hadir dan setiap nilai yang diekstrak disokong oleh input. Mod JSON tidak boleh dianggap sebagai jaminan skema ciri Structured Outputs yang lebih baharu. Perbezaan ini penting apabila output akan mengisi borang, memilih label atau menjadi input kepada aliran kerja lain.
Edisi 1106 menyokong panggilan fungsi selari, membolehkan model mencadangkan lebih daripada satu panggilan fungsi dalam respons. Ini boleh menyokong tugas yang memerlukan beberapa operasi yang ditakrifkan oleh aplikasi atau carian maklumat bebas. Huraikan tujuan setiap fungsi serta input yang dijangkakan dengan jelas. Aplikasi yang melingkunginya melaksanakan operasi dan memberikan hasil; panggilan fungsi yang dijana semata-mata bukan bukti bahawa tindakan telah selesai. Semak argumen yang dicadangkan dan kaitkan jawapan teks dengan hasil yang benar-benar dikembalikan.
Pengumuman edisi OpenAI mendokumenkan fine-tuning bagi model GPT-3.5 Turbo 16K baharu. Model yang menjalani fine-tuning ialah varian yang disediakan secara berasingan, bukannya sifat automatik setiap permintaan kepada edisi asas ini. Bagi kegunaan biasa, mulakan dengan arahan yang jelas serta contoh jawapan yang relevan. Apabila menyediakan arahan pengekstrakan atau penulisan semula, contoh perlu menunjukkan perbezaan yang penting, seperti nilai yang tiada atau frasa yang mesti dikekalkan.
Output yang berguna termasuk respons sokongan yang berasaskan maklumat produk yang diberikan, rekod JSON yang disemak, penjelasan kod yang ringkas atau petikan yang ditulis semula dengan kekangan yang dinyatakan. Bandingkan hasil dengan teks sumber serta format yang diminta. Bagi kod, semak perubahan yang dicadangkan dalam projek sasaran; bagi pengekstrakan, semak nilai serta pengendalian medan yang tiada. Nilai edisi ini ialah keupayaan teks, pematuhan format dan panggilan fungsi yang konkrit, diterapkan kepada input yang hasil tujuannya jelas.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-3.5-turbo-1106 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.002 / 1K token Output · Token output $0.004 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-3.5-turbo-1106
Gunakan laluan kaedah yang dipaparkan di atas.
gpt-3.5-turbo-1106OpenAI GPT-3.5 Turbo 1106 ialah edisi model teks yang dinamakan secara khusus dengan tetingkap konteks 16K, pematuhan arahan yang dipertingkat, mod JSON dan panggilan fungsi selari. Gunakannya untuk bantuan perbualan, pengekstrakan teks serta tugas kod atau kandungan dengan output yang ditetapkan dengan jelas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
OpenAI GPT-3.5 Turbo 1106 ialah edisi GPT-3.5 Turbo yang dinamakan secara khusus dan dikenal pasti sebagai gpt-3.5-turbo-1106. Model ini memahami dan menjana bahasa semula jadi serta kod, dengan reka bentuk berorientasikan sembang yang turut menyokong tugas teks bukan perbualan. Perubahan edisi yang didokumenkan termasuk tetingkap konteks 16K secara lalai, pematuhan arahan yang dipertingkat, mod JSON dan panggilan fungsi selari. Identiti 1106 yang jelas mengekalkan profil ini secara berasingan daripada edisi 0613, snapshot 0125 yang lebih kemudian dan GPT-3.5 Turbo Instruct.
Sediakan tugas dengan teks yang relevan, peraturan yang mesti diikuti oleh jawapan dan bentuk hasil yang dikehendaki. Bagi balasan sokongan, sertakan soalan pelanggan serta fakta produk yang terpakai. Bagi pengekstrakan, namakan medan yang perlu dikenal pasti dan jelaskan tindakan apabila medan tiada. Bagi tugas kod, berikan kod yang relevan, tingkah laku yang dijangkakan serta ralat atau kekangan yang perlu ditangani. Peruntukan konteks 16K menyediakan ruang untuk bahan sokongan; peruntukan ini bukan janji bahawa setiap butiran akan digunakan dengan betul atau jawapan boleh sepanjang input.
OpenAI menyenaraikan had pengetahuan September 2021 bagi keluarga GPT-3.5 Turbo. Berikan bahan rujukan yang berautoriti apabila jawapan bergantung pada maklumat yang lebih kemudian atau fakta khusus projek. Minta model membezakan perkara yang terdapat dalam teks yang diberikan daripada inferensnya. Permintaan jawapan dalam format tertentu perlu mentakrifkan format itu secara jelas, bukannya bergantung pada model untuk meneka medan, unit atau konvensi.
Mod JSON bertujuan menghasilkan JSON yang sah dari segi sintaks. Mod ini berguna apabila pengekstrakan teks atau pengelasan memerlukan objek yang boleh dihuraikan oleh aplikasi. Sertakan arahan yang jelas untuk menghasilkan JSON dan nyatakan kunci wajib, jenis nilai serta pengendalian maklumat yang tidak diketahui. OpenAI memberi amaran bahawa ketiadaan arahan JSON boleh menyebabkan penjanaan aksara ruang kosong sehingga had token dicapai. Respons lengkap juga perlu dibezakan daripada output yang terputus sebelum objek selesai.
JSON yang sah tidak dengan sendirinya menjamin pematuhan skema tertentu atau ketepatan nilainya. Bagi tugas pengekstrakan rekod, semak bahawa kunci wajib hadir dan setiap nilai yang diekstrak disokong oleh input. Mod JSON tidak boleh dianggap sebagai jaminan skema ciri Structured Outputs yang lebih baharu. Perbezaan ini penting apabila output akan mengisi borang, memilih label atau menjadi input kepada aliran kerja lain.
Edisi 1106 menyokong panggilan fungsi selari, membolehkan model mencadangkan lebih daripada satu panggilan fungsi dalam respons. Ini boleh menyokong tugas yang memerlukan beberapa operasi yang ditakrifkan oleh aplikasi atau carian maklumat bebas. Huraikan tujuan setiap fungsi serta input yang dijangkakan dengan jelas. Aplikasi yang melingkunginya melaksanakan operasi dan memberikan hasil; panggilan fungsi yang dijana semata-mata bukan bukti bahawa tindakan telah selesai. Semak argumen yang dicadangkan dan kaitkan jawapan teks dengan hasil yang benar-benar dikembalikan.
Pengumuman edisi OpenAI mendokumenkan fine-tuning bagi model GPT-3.5 Turbo 16K baharu. Model yang menjalani fine-tuning ialah varian yang disediakan secara berasingan, bukannya sifat automatik setiap permintaan kepada edisi asas ini. Bagi kegunaan biasa, mulakan dengan arahan yang jelas serta contoh jawapan yang relevan. Apabila menyediakan arahan pengekstrakan atau penulisan semula, contoh perlu menunjukkan perbezaan yang penting, seperti nilai yang tiada atau frasa yang mesti dikekalkan.
Output yang berguna termasuk respons sokongan yang berasaskan maklumat produk yang diberikan, rekod JSON yang disemak, penjelasan kod yang ringkas atau petikan yang ditulis semula dengan kekangan yang dinyatakan. Bandingkan hasil dengan teks sumber serta format yang diminta. Bagi kod, semak perubahan yang dicadangkan dalam projek sasaran; bagi pengekstrakan, semak nilai serta pengendalian medan yang tiada. Nilai edisi ini ialah keupayaan teks, pematuhan format dan panggilan fungsi yang konkrit, diterapkan kepada input yang hasil tujuannya jelas.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-3.5-turbo-1106 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.002 / 1K token Output · Token output $0.004 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-3.5-turbo-1106",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-3.5-turbo-1106
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
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.