GPT-4 Turbo Preview 0125 ialah edisi pratonton penyelidikan GPT-4 Turbo OpenAI yang dikemas kini dan berfokus pada teks. Model ini mengendalikan arahan bertulis, bahan sumber serta kod, dan menghasilkan jawapan teks atau rekod untuk aplikasi. Kemas kini Januari secara khusus menyasarkan pelaksanaan tugas yang lebih lengkap dalam bidang seperti penjanaan kod serta membetulkan pepijat yang mempengaruhi penjanaan UTF-8 bukan bahasa Inggeris. Edisi 0125 yang dinamakan secara khusus ini berbeza daripada Preview 1106 terdahulu dan daripada GPT-4 Turbo with Vision.
Kad Preview pengeluar menyenaraikan tetingkap konteks 128000 token dan sehingga 4096 token output, dengan had pengetahuan 1 Disember 2023. Tetingkap input yang besar boleh menampung dokumen atau kod berkaitan bersama soalan terperinci; peruntukan output jauh lebih kecil dan perlu menentukan artifak yang diminta. Berikan bukti semasa apabila soalan bergantung pada maklumat di luar pengetahuan tersimpan model.
Bagi perbandingan keperluan, sertakan dokumen yang relevan, kenal pasti dokumen yang diutamakan apabila berlaku percanggahan dan minta keperluan yang berubah, petikan yang menyokongnya serta kesannya pada aliran kerja yang dinyatakan. Bagi tugas kod, berikan tingkah laku yang ingin dicapai, fungsi yang relevan dan hasil yang dijangkakan. Minta perubahan lengkap dalam skop itu serta kenal pasti kriteria pelengkapan, bukannya menganggap cebisan yang meyakinkan sebagai keseluruhan tugas.
Keluarga GPT-4 Turbo Preview menambahkan pematuhan format yang lebih kuat dan mod JSON. Pengeluar menerangkan mod JSON sebagai pengehad respons kepada JSON yang sah dari segi sintaks; mod ini tidak mengesahkan secara bebas bahawa nilai medan betul atau rekod memenuhi setiap peraturan perniagaan. Takrifkan medan, nilai yang dibenarkan dan pengendalian maklumat yang tiada dalam arahan, kemudian periksa objek yang dikembalikan berdasarkan keperluan itu. Apabila menggunakan mod JSON pengeluar, arahkan model secara jelas untuk menghasilkan JSON dan sertakan perkataan “JSON” dalam perbualan. Tanpa arahan itu, model boleh mengeluarkan aksara ruang kosong sehingga had token; semak bahawa objek lengkap telah dikembalikan.
Tugas pengekstrakan boleh meminta pengecam item, teks sumber yang menetapkan statusnya dan tindakan seterusnya yang disokong oleh bukti itu. Simpan bahan asal bersama rekod supaya nilai boleh disemak. Penghurai yang menerima JSON yang dikembalikan ialah satu bahagian aliran kerja; kaitan yang betul antara sumber dengan medan yang diekstrak ialah bahagian lain.
Keluaran Preview OpenAI mendokumenkan panggilan fungsi, termasuk meminta beberapa fungsi dalam satu mesej. Pembangun menghuraikan setiap fungsi serta parameternya, dan model mengembalikan argumen bagi operasi yang diminta. Aplikasi yang melingkunginya melaksanakan operasi dan mengembalikan hasil sebenar. Oleh itu, permintaan carian maklumat berasingan daripada rekod yang diperoleh, dan tindakan yang dicadangkan berasingan daripada pelengkapannya.
Sediakan fungsi yang sesuai dengan tugas dan nyatakan bukti yang perlu digunakan oleh jawapan seterusnya. Pembantu perbandingan boleh meminta rekod bagi dua item bernama kemudian menjelaskan perbezaannya menggunakan nilai yang dikembalikan. Jika satu carian gagal atau memberikan bahan tidak lengkap, kekalkan keadaan itu dan bukannya mencipta pengganti yang kelihatan munasabah. Simpan pengecam fungsi dan hasil bersama sambungan perbualan.
Kawalan seed keluarga Preview didokumenkan sebagai bantuan beta untuk mendapatkan pelengkapan yang konsisten pada kebanyakan masa. Kawalan ini berguna untuk membandingkan perubahan prompt sambil mengekalkan tetapan lain; kawalan ini bukan jaminan bahawa setiap permintaan berulang menghasilkan output yang sama. Simpan arahan, bahan sumber dan tetapan bersama-sama apabila membandingkan respons.
Modaliti yang disenaraikan bagi profil ini ialah input teks dan output teks. Analisis imej tergolong dalam Vision Preview yang dinamakan secara berasingan atau profil multimodal yang lebih baharu. Mod JSON juga berbeza daripada ciri berskema terhad yang lebih baharu. Penambahbaikan kelengkapan dan pengekodan dalam kemas kini 0125 tidak menghapuskan keperluan untuk memeriksa perubahan kod, medan yang diekstrak atau kesimpulan berdasarkan bukti yang diberikan. Pilih artifak terbatas yang sesuai dengan peruntukan output dan kekalkan edisi tepat yang dinamakan bersama hasil.
", "aboutText": "GPT-4 Turbo Preview 0125 ialah edisi pratonton penyelidikan GPT-4 Turbo OpenAI yang dikemas kini dan berfokus pada teks. Model ini mengendalikan arahan bertulis, bahan sumber serta kod, dan menghasilkan jawapan teks atau rekod untuk aplikasi. Kemas kini Januari secara khusus menyasarkan pelaksanaan tugas yang lebih lengkap dalam bidang seperti penjanaan kod serta membetulkan pepijat yang mempengaruhi penjanaan UTF-8 bukan bahasa Inggeris. Edisi 0125 yang dinamakan secara khusus ini berbeza daripada Preview 1106 terdahulu dan daripada GPT-4 Turbo with Vision.\n\n### Kerja teks berkonteks besar\n\nKad Preview pengeluar menyenaraikan tetingkap konteks 128000 token dan sehingga 4096 token output, dengan had pengetahuan 1 Disember 2023. Tetingkap input yang besar boleh menampung dokumen atau kod berkaitan bersama soalan terperinci; peruntukan output jauh lebih kecil dan perlu menentukan artifak yang diminta. Berikan bukti semasa apabila soalan bergantung pada maklumat di luar pengetahuan tersimpan model.\n\nBagi perbandingan keperluan, sertakan dokumen yang relevan, kenal pasti dokumen yang diutamakan apabila berlaku percanggahan dan minta keperluan yang berubah, petikan yang menyokongnya serta kesannya pada aliran kerja yang dinyatakan. Bagi tugas kod, berikan tingkah laku yang ingin dicapai, fungsi yang relevan dan hasil yang dijangkakan. Minta perubahan lengkap dalam skop itu serta kenal pasti kriteria pelengkapan, bukannya menganggap cebisan yang meyakinkan sebagai keseluruhan tugas.\n\n### Format dan mod JSON\n\nKeluarga GPT-4 Turbo Preview menambahkan pematuhan format yang lebih kuat dan mod JSON. Pengeluar menerangkan mod JSON sebagai pengehad respons kepada JSON yang sah dari segi sintaks; mod ini tidak mengesahkan secara bebas bahawa nilai medan betul atau rekod memenuhi setiap peraturan perniagaan. Takrifkan medan, nilai yang dibenarkan dan pengendalian maklumat yang tiada dalam arahan, kemudian periksa objek yang dikembalikan berdasarkan keperluan itu. Apabila menggunakan mod JSON pengeluar, arahkan model secara jelas untuk menghasilkan JSON dan sertakan perkataan “JSON” dalam perbualan. Tanpa arahan itu, model boleh mengeluarkan aksara ruang kosong sehingga had token; semak bahawa objek lengkap telah dikembalikan.\n\nTugas pengekstrakan boleh meminta pengecam item, teks sumber yang menetapkan statusnya dan tindakan seterusnya yang disokong oleh bukti itu. Simpan bahan asal bersama rekod supaya nilai boleh disemak. Penghurai yang menerima JSON yang dikembalikan ialah satu bahagian aliran kerja; kaitan yang betul antara sumber dengan medan yang diekstrak ialah bahagian lain.\n\n### Panggilan fungsi dan hasil sebenar\n\nKeluaran Preview OpenAI mendokumenkan panggilan fungsi, termasuk meminta beberapa fungsi dalam satu mesej. Pembangun menghuraikan setiap fungsi serta parameternya, dan model mengembalikan argumen bagi operasi yang diminta. Aplikasi yang melingkunginya melaksanakan operasi dan mengembalikan hasil sebenar. Oleh itu, permintaan carian maklumat berasingan daripada rekod yang diperoleh, dan tindakan yang dicadangkan berasingan daripada pelengkapannya.\n\nSediakan fungsi yang sesuai dengan tugas dan nyatakan bukti yang perlu digunakan oleh jawapan seterusnya. Pembantu perbandingan boleh meminta rekod bagi dua item bernama kemudian menjelaskan perbezaannya menggunakan nilai yang dikembalikan. Jika satu carian gagal atau memberikan bahan tidak lengkap, kekalkan keadaan itu dan bukannya mencipta pengganti yang kelihatan munasabah. Simpan pengecam fungsi dan hasil bersama sambungan perbualan.\n\n### Kebolehulangan dan sempadan edisi\n\nKawalan seed keluarga Preview didokumenkan sebagai bantuan beta untuk mendapatkan pelengkapan yang konsisten pada kebanyakan masa. Kawalan ini berguna untuk membandingkan perubahan prompt sambil mengekalkan tetapan lain; kawalan ini bukan jaminan bahawa setiap permintaan berulang menghasilkan output yang sama. Simpan arahan, bahan sumber dan tetapan bersama-sama apabila membandingkan respons.\n\nModaliti yang disenaraikan bagi profil ini ialah input teks dan output teks. Analisis imej tergolong dalam Vision Preview yang dinamakan secara berasingan atau profil multimodal yang lebih baharu. Mod JSON juga berbeza daripada ciri berskema terhad yang lebih baharu. Penambahbaikan kelengkapan dan pengekodan dalam kemas kini 0125 tidak menghapuskan keperluan untuk memeriksa perubahan kod, medan yang diekstrak atau kesimpulan berdasarkan bukti yang diberikan. Pilih artifak terbatas yang sesuai dengan peruntukan output dan kekalkan edisi tepat yang dinamakan bersama hasil.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Complete a CSV escaping function\n\nWrite a complete Python function csv_cell(value) that converts value to text and wraps it in double quotes only when it contains a comma, double quote or newline. Embedded double quotes must be doubled. Return the function and tests for plain text, a comma, a quotation mark and a newline. Use no third-party packages.A complete function and four concrete test cases covering each escaping condition.The quotation-mark test checks both outer quoting and doubling of the embedded quote.gpt-4-0125-previewGPT-4 Turbo Preview 0125 mengendalikan tugas teks dan kod berkonteks panjang dengan tetingkap konteks 128K yang didokumenkan. Mod JSON dan panggilan fungsi membantu menukar bahan yang diberikan kepada jawapan teks atau rekod aplikasi, dengan edisi Preview yang tepat dikekalkan secara berasingan daripada model penglihatan dan model yang lebih baharu.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-4 Turbo Preview 0125 ialah edisi pratonton penyelidikan GPT-4 Turbo OpenAI yang dikemas kini dan berfokus pada teks. Model ini mengendalikan arahan bertulis, bahan sumber serta kod, dan menghasilkan jawapan teks atau rekod untuk aplikasi. Kemas kini Januari secara khusus menyasarkan pelaksanaan tugas yang lebih lengkap dalam bidang seperti penjanaan kod serta membetulkan pepijat yang mempengaruhi penjanaan UTF-8 bukan bahasa Inggeris. Edisi 0125 yang dinamakan secara khusus ini berbeza daripada Preview 1106 terdahulu dan daripada GPT-4 Turbo with Vision.
Kad Preview pengeluar menyenaraikan tetingkap konteks 128000 token dan sehingga 4096 token output, dengan had pengetahuan 1 Disember 2023. Tetingkap input yang besar boleh menampung dokumen atau kod berkaitan bersama soalan terperinci; peruntukan output jauh lebih kecil dan perlu menentukan artifak yang diminta. Berikan bukti semasa apabila soalan bergantung pada maklumat di luar pengetahuan tersimpan model.
Bagi perbandingan keperluan, sertakan dokumen yang relevan, kenal pasti dokumen yang diutamakan apabila berlaku percanggahan dan minta keperluan yang berubah, petikan yang menyokongnya serta kesannya pada aliran kerja yang dinyatakan. Bagi tugas kod, berikan tingkah laku yang ingin dicapai, fungsi yang relevan dan hasil yang dijangkakan. Minta perubahan lengkap dalam skop itu serta kenal pasti kriteria pelengkapan, bukannya menganggap cebisan yang meyakinkan sebagai keseluruhan tugas.
Keluarga GPT-4 Turbo Preview menambahkan pematuhan format yang lebih kuat dan mod JSON. Pengeluar menerangkan mod JSON sebagai pengehad respons kepada JSON yang sah dari segi sintaks; mod ini tidak mengesahkan secara bebas bahawa nilai medan betul atau rekod memenuhi setiap peraturan perniagaan. Takrifkan medan, nilai yang dibenarkan dan pengendalian maklumat yang tiada dalam arahan, kemudian periksa objek yang dikembalikan berdasarkan keperluan itu. Apabila menggunakan mod JSON pengeluar, arahkan model secara jelas untuk menghasilkan JSON dan sertakan perkataan “JSON” dalam perbualan. Tanpa arahan itu, model boleh mengeluarkan aksara ruang kosong sehingga had token; semak bahawa objek lengkap telah dikembalikan.
Tugas pengekstrakan boleh meminta pengecam item, teks sumber yang menetapkan statusnya dan tindakan seterusnya yang disokong oleh bukti itu. Simpan bahan asal bersama rekod supaya nilai boleh disemak. Penghurai yang menerima JSON yang dikembalikan ialah satu bahagian aliran kerja; kaitan yang betul antara sumber dengan medan yang diekstrak ialah bahagian lain.
Keluaran Preview OpenAI mendokumenkan panggilan fungsi, termasuk meminta beberapa fungsi dalam satu mesej. Pembangun menghuraikan setiap fungsi serta parameternya, dan model mengembalikan argumen bagi operasi yang diminta. Aplikasi yang melingkunginya melaksanakan operasi dan mengembalikan hasil sebenar. Oleh itu, permintaan carian maklumat berasingan daripada rekod yang diperoleh, dan tindakan yang dicadangkan berasingan daripada pelengkapannya.
Sediakan fungsi yang sesuai dengan tugas dan nyatakan bukti yang perlu digunakan oleh jawapan seterusnya. Pembantu perbandingan boleh meminta rekod bagi dua item bernama kemudian menjelaskan perbezaannya menggunakan nilai yang dikembalikan. Jika satu carian gagal atau memberikan bahan tidak lengkap, kekalkan keadaan itu dan bukannya mencipta pengganti yang kelihatan munasabah. Simpan pengecam fungsi dan hasil bersama sambungan perbualan.
Kawalan seed keluarga Preview didokumenkan sebagai bantuan beta untuk mendapatkan pelengkapan yang konsisten pada kebanyakan masa. Kawalan ini berguna untuk membandingkan perubahan prompt sambil mengekalkan tetapan lain; kawalan ini bukan jaminan bahawa setiap permintaan berulang menghasilkan output yang sama. Simpan arahan, bahan sumber dan tetapan bersama-sama apabila membandingkan respons.
Modaliti yang disenaraikan bagi profil ini ialah input teks dan output teks. Analisis imej tergolong dalam Vision Preview yang dinamakan secara berasingan atau profil multimodal yang lebih baharu. Mod JSON juga berbeza daripada ciri berskema terhad yang lebih baharu. Penambahbaikan kelengkapan dan pengekodan dalam kemas kini 0125 tidak menghapuskan keperluan untuk memeriksa perubahan kod, medan yang diekstrak atau kesimpulan berdasarkan bukti yang diberikan. Pilih artifak terbatas yang sesuai dengan peruntukan output dan kekalkan edisi tepat yang dinamakan bersama hasil.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-4-0125-preview | 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 $0.02 / 1K token Output · Token output $0.06 / 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-4-0125-preview", "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-4-0125-preview',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-4-0125-preview',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-4-0125-preview
Gunakan laluan kaedah yang dipaparkan di atas.
gpt-4-0125-previewGPT-4 Turbo Preview 0125 mengendalikan tugas teks dan kod berkonteks panjang dengan tetingkap konteks 128K yang didokumenkan. Mod JSON dan panggilan fungsi membantu menukar bahan yang diberikan kepada jawapan teks atau rekod aplikasi, dengan edisi Preview yang tepat dikekalkan secara berasingan daripada model penglihatan dan model yang lebih baharu.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-4 Turbo Preview 0125 ialah edisi pratonton penyelidikan GPT-4 Turbo OpenAI yang dikemas kini dan berfokus pada teks. Model ini mengendalikan arahan bertulis, bahan sumber serta kod, dan menghasilkan jawapan teks atau rekod untuk aplikasi. Kemas kini Januari secara khusus menyasarkan pelaksanaan tugas yang lebih lengkap dalam bidang seperti penjanaan kod serta membetulkan pepijat yang mempengaruhi penjanaan UTF-8 bukan bahasa Inggeris. Edisi 0125 yang dinamakan secara khusus ini berbeza daripada Preview 1106 terdahulu dan daripada GPT-4 Turbo with Vision.
Kad Preview pengeluar menyenaraikan tetingkap konteks 128000 token dan sehingga 4096 token output, dengan had pengetahuan 1 Disember 2023. Tetingkap input yang besar boleh menampung dokumen atau kod berkaitan bersama soalan terperinci; peruntukan output jauh lebih kecil dan perlu menentukan artifak yang diminta. Berikan bukti semasa apabila soalan bergantung pada maklumat di luar pengetahuan tersimpan model.
Bagi perbandingan keperluan, sertakan dokumen yang relevan, kenal pasti dokumen yang diutamakan apabila berlaku percanggahan dan minta keperluan yang berubah, petikan yang menyokongnya serta kesannya pada aliran kerja yang dinyatakan. Bagi tugas kod, berikan tingkah laku yang ingin dicapai, fungsi yang relevan dan hasil yang dijangkakan. Minta perubahan lengkap dalam skop itu serta kenal pasti kriteria pelengkapan, bukannya menganggap cebisan yang meyakinkan sebagai keseluruhan tugas.
Keluarga GPT-4 Turbo Preview menambahkan pematuhan format yang lebih kuat dan mod JSON. Pengeluar menerangkan mod JSON sebagai pengehad respons kepada JSON yang sah dari segi sintaks; mod ini tidak mengesahkan secara bebas bahawa nilai medan betul atau rekod memenuhi setiap peraturan perniagaan. Takrifkan medan, nilai yang dibenarkan dan pengendalian maklumat yang tiada dalam arahan, kemudian periksa objek yang dikembalikan berdasarkan keperluan itu. Apabila menggunakan mod JSON pengeluar, arahkan model secara jelas untuk menghasilkan JSON dan sertakan perkataan “JSON” dalam perbualan. Tanpa arahan itu, model boleh mengeluarkan aksara ruang kosong sehingga had token; semak bahawa objek lengkap telah dikembalikan.
Tugas pengekstrakan boleh meminta pengecam item, teks sumber yang menetapkan statusnya dan tindakan seterusnya yang disokong oleh bukti itu. Simpan bahan asal bersama rekod supaya nilai boleh disemak. Penghurai yang menerima JSON yang dikembalikan ialah satu bahagian aliran kerja; kaitan yang betul antara sumber dengan medan yang diekstrak ialah bahagian lain.
Keluaran Preview OpenAI mendokumenkan panggilan fungsi, termasuk meminta beberapa fungsi dalam satu mesej. Pembangun menghuraikan setiap fungsi serta parameternya, dan model mengembalikan argumen bagi operasi yang diminta. Aplikasi yang melingkunginya melaksanakan operasi dan mengembalikan hasil sebenar. Oleh itu, permintaan carian maklumat berasingan daripada rekod yang diperoleh, dan tindakan yang dicadangkan berasingan daripada pelengkapannya.
Sediakan fungsi yang sesuai dengan tugas dan nyatakan bukti yang perlu digunakan oleh jawapan seterusnya. Pembantu perbandingan boleh meminta rekod bagi dua item bernama kemudian menjelaskan perbezaannya menggunakan nilai yang dikembalikan. Jika satu carian gagal atau memberikan bahan tidak lengkap, kekalkan keadaan itu dan bukannya mencipta pengganti yang kelihatan munasabah. Simpan pengecam fungsi dan hasil bersama sambungan perbualan.
Kawalan seed keluarga Preview didokumenkan sebagai bantuan beta untuk mendapatkan pelengkapan yang konsisten pada kebanyakan masa. Kawalan ini berguna untuk membandingkan perubahan prompt sambil mengekalkan tetapan lain; kawalan ini bukan jaminan bahawa setiap permintaan berulang menghasilkan output yang sama. Simpan arahan, bahan sumber dan tetapan bersama-sama apabila membandingkan respons.
Modaliti yang disenaraikan bagi profil ini ialah input teks dan output teks. Analisis imej tergolong dalam Vision Preview yang dinamakan secara berasingan atau profil multimodal yang lebih baharu. Mod JSON juga berbeza daripada ciri berskema terhad yang lebih baharu. Penambahbaikan kelengkapan dan pengekodan dalam kemas kini 0125 tidak menghapuskan keperluan untuk memeriksa perubahan kod, medan yang diekstrak atau kesimpulan berdasarkan bukti yang diberikan. Pilih artifak terbatas yang sesuai dengan peruntukan output dan kekalkan edisi tepat yang dinamakan bersama hasil.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-4-0125-preview | 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 $0.02 / 1K token Output · Token output $0.06 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-4-0125-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-0125-preview', '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-4-0125-preview', '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-4-0125-preview
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Complete a CSV escaping function\n\nWrite a complete Python function csv_cell(value) that converts value to text and wraps it in double quotes only when it contains a comma, double quote or newline. Embedded double quotes must be doubled. Return the function and tests for plain text, a comma, a quotation mark and a newline. Use no third-party packages.A complete function and four concrete test cases covering each escaping condition.The quotation-mark test checks both outer quoting and doubling of the embedded quote.