GPT-4 32K ialah profil teks GPT-4 OpenAI berkonteks panjang untuk tugas yang memerlukan lebih banyak bahan berkaitan dalam satu permintaan. Pengeluar mendokumenkan konteks 32768 token, berbanding 8192 token bagi profil GPT-4 asal. Model ini menerima teks dan mengembalikan teks, termasuk penjelasan bahasa semula jadi, draf serta kod. Perbezaan utamanya ialah konteks yang lebih besar dan bukannya tetingkap 128K atau keupayaan multimodal profil GPT-4 Turbo yang lebih baharu.
Berikan dokumen atau kod yang relevan kepada tugas yang dinyatakan dengan jelas. Perbandingan keperluan boleh menghimpunkan beberapa spesifikasi dan bertanya syarat yang sepadan, syarat yang bercanggah serta sumber yang menentukan keputusan. Berikan pengecam kepada setiap sumber dan minta petikan yang menyokong dapatan penting. Menghimpunkan bukti yang berkaitan boleh membantu model membandingkannya, manakala hasil masih perlu mengekalkan hubungan antara kesimpulan dengan sumbernya.
Bagi soalan pangkalan kod, sertakan fungsi yang relevan, tempat fungsi itu dipanggil dan tingkah laku yang disiasat. Minta penjelasan kebergantungan atau perubahan terfokus yang berkait dengan tingkah laku itu. Konteks yang lebih besar boleh menampung kod sekeliling yang berguna, tetapi tidak menghapuskan keperluan untuk mentakrifkan soalan atau kriteria pelengkapan. Cadangan kod perlu mengenal pasti kes input yang menjadi asasnya serta hasil yang dijangkakan dan boleh disemak.
Keluaran GPT-4 menerangkan kebolehkawalan melalui mesej system: pembangun boleh menentukan tugas, nada dan gaya model. Gunakan arahan itu untuk menetapkan sama ada respons perlu berupa penjelasan pendek, perbandingan, draf atau rekod dengan medan bernama. Takrifkan cara maklumat yang tiada perlu dipaparkan dan bezakan fakta yang diberikan daripada andaian. Tugas pemprosesan dokumen boleh meminta senarai syarat dengan pengecam sumber serta petikan yang relevan di sebelah setiap syarat.
Kekalkan arahan itu semasa perbualan berkembang. Sertakan hasil terdahulu yang sebenar apabila permintaan seterusnya menyemaknya, dan kenal pasti perkara yang perlu diubah. Susulan yang berguna mengecilkan skop percanggahan dalam perbandingan atau meminta pembetulan pada satu bahagian draf, bukannya menganggap prompt baharu yang terasing mengekalkan seluruh tugas terdahulu.
Kemas kini 0613 pengeluar menambahkan penambahbaikan panggilan fungsi GPT-4 kepada edisi berkonteks panjang. Pembangun menghuraikan fungsi serta parameternya, dan model boleh mengembalikan objek JSON yang mengandungi argumen untuk fungsi itu. Aplikasi melaksanakan operasi serta memberikan hasil yang dikembalikan. Keupayaan yang berguna ialah permintaan berstruktur yang berkait dengan tingkah laku aplikasi dan bukannya model yang menyelesaikan tindakan luaran secara langsung.
Bagi pembantu maklumat, fungsi boleh memperoleh rekod sebenar yang diperlukan untuk menjawab soalan. Kekalkan kaitan antara pengecam yang diminta dengan rekod yang dikembalikan, kemudian minta jawapan berdasarkan hasil itu. Semak sama ada tindakan yang dicadangkan disokong oleh permintaan pengguna dan sama ada fungsi benar-benar menyelesaikannya. Antara muka fungsi yang dikemas kini berasingan daripada penambahan mod JSON serta panggilan selari GPT-4 Turbo yang lebih baharu.
Keluaran GPT-4 asal mengenal pasti halusinasi fakta, ralat penaakulan dan pengetahuan terhad tentang peristiwa baharu sebagai batasan penting. Keluaran itu menyatakan bahawa sebahagian besar data latihan GPT-4 berakhir pada September 2021. Berikan bukti semasa bagi soalan yang jawapannya telah berubah, dan semak angka penting, nama serta tingkah laku kod berdasarkan sumber. Penjelasan yang yakin masih boleh tersalah tafsir syarat atau memperkenalkan kecacatan.
Pastikan artifak yang diminta sepadan dengan tugas dan konteks yang tersedia. Angka 32K ialah kapasiti konteks dan bukannya janji jawapan akhir yang sama panjang atau pemahaman sempurna terhadap setiap petikan yang disertakan. Simpan profil model yang dipilih, arahan, bahan sumber dan hasil bersama-sama. Ini menjadikan perbandingan dokumen panjang, penjelasan kod atau draf yang disemak cukup konkrit untuk diperiksa dan diteruskan.
", "aboutText": "GPT-4 32K ialah profil teks GPT-4 OpenAI berkonteks panjang untuk tugas yang memerlukan lebih banyak bahan berkaitan dalam satu permintaan. Pengeluar mendokumenkan konteks 32768 token, berbanding 8192 token bagi profil GPT-4 asal. Model ini menerima teks dan mengembalikan teks, termasuk penjelasan bahasa semula jadi, draf serta kod. Perbezaan utamanya ialah konteks yang lebih besar dan bukannya tetingkap 128K atau keupayaan multimodal profil GPT-4 Turbo yang lebih baharu.\n\n### Gunakan konteks untuk bukti yang berkaitan\n\nBerikan dokumen atau kod yang relevan kepada tugas yang dinyatakan dengan jelas. Perbandingan keperluan boleh menghimpunkan beberapa spesifikasi dan bertanya syarat yang sepadan, syarat yang bercanggah serta sumber yang menentukan keputusan. Berikan pengecam kepada setiap sumber dan minta petikan yang menyokong dapatan penting. Menghimpunkan bukti yang berkaitan boleh membantu model membandingkannya, manakala hasil masih perlu mengekalkan hubungan antara kesimpulan dengan sumbernya.\n\nBagi soalan pangkalan kod, sertakan fungsi yang relevan, tempat fungsi itu dipanggil dan tingkah laku yang disiasat. Minta penjelasan kebergantungan atau perubahan terfokus yang berkait dengan tingkah laku itu. Konteks yang lebih besar boleh menampung kod sekeliling yang berguna, tetapi tidak menghapuskan keperluan untuk mentakrifkan soalan atau kriteria pelengkapan. Cadangan kod perlu mengenal pasti kes input yang menjadi asasnya serta hasil yang dijangkakan dan boleh disemak.\n\n### Nyatakan tugas dan gaya respons\n\nKeluaran GPT-4 menerangkan kebolehkawalan melalui mesej system: pembangun boleh menentukan tugas, nada dan gaya model. Gunakan arahan itu untuk menetapkan sama ada respons perlu berupa penjelasan pendek, perbandingan, draf atau rekod dengan medan bernama. Takrifkan cara maklumat yang tiada perlu dipaparkan dan bezakan fakta yang diberikan daripada andaian. Tugas pemprosesan dokumen boleh meminta senarai syarat dengan pengecam sumber serta petikan yang relevan di sebelah setiap syarat.\n\nKekalkan arahan itu semasa perbualan berkembang. Sertakan hasil terdahulu yang sebenar apabila permintaan seterusnya menyemaknya, dan kenal pasti perkara yang perlu diubah. Susulan yang berguna mengecilkan skop percanggahan dalam perbandingan atau meminta pembetulan pada satu bahagian draf, bukannya menganggap prompt baharu yang terasing mengekalkan seluruh tugas terdahulu.\n\n### Panggilan fungsi dalam siri 32K yang dikemas kini\n\nKemas kini 0613 pengeluar menambahkan penambahbaikan panggilan fungsi GPT-4 kepada edisi berkonteks panjang. Pembangun menghuraikan fungsi serta parameternya, dan model boleh mengembalikan objek JSON yang mengandungi argumen untuk fungsi itu. Aplikasi melaksanakan operasi serta memberikan hasil yang dikembalikan. Keupayaan yang berguna ialah permintaan berstruktur yang berkait dengan tingkah laku aplikasi dan bukannya model yang menyelesaikan tindakan luaran secara langsung.\n\nBagi pembantu maklumat, fungsi boleh memperoleh rekod sebenar yang diperlukan untuk menjawab soalan. Kekalkan kaitan antara pengecam yang diminta dengan rekod yang dikembalikan, kemudian minta jawapan berdasarkan hasil itu. Semak sama ada tindakan yang dicadangkan disokong oleh permintaan pengguna dan sama ada fungsi benar-benar menyelesaikannya. Antara muka fungsi yang dikemas kini berasingan daripada penambahan mod JSON serta panggilan selari GPT-4 Turbo yang lebih baharu.\n\n### Semak jawapan berdasarkan bahan\n\nKeluaran GPT-4 asal mengenal pasti halusinasi fakta, ralat penaakulan dan pengetahuan terhad tentang peristiwa baharu sebagai batasan penting. Keluaran itu menyatakan bahawa sebahagian besar data latihan GPT-4 berakhir pada September 2021. Berikan bukti semasa bagi soalan yang jawapannya telah berubah, dan semak angka penting, nama serta tingkah laku kod berdasarkan sumber. Penjelasan yang yakin masih boleh tersalah tafsir syarat atau memperkenalkan kecacatan.\n\nPastikan artifak yang diminta sepadan dengan tugas dan konteks yang tersedia. Angka 32K ialah kapasiti konteks dan bukannya janji jawapan akhir yang sama panjang atau pemahaman sempurna terhadap setiap petikan yang disertakan. Simpan profil model yang dipilih, arahan, bahan sumber dan hasil bersama-sama. Ini menjadikan perbandingan dokumen panjang, penjelasan kod atau draf yang disemak cukup konkrit untuk diperiksa dan diteruskan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
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 32K ialah profil teks GPT-4 berkonteks panjang untuk bekerja dengan koleksi dokumen atau kod yang lebih besar. Konteks 32768 token yang didokumenkan menyokong bahan berkaitan dalam satu tugas, dengan arahan system yang memandu respons dan panggilan fungsi yang didokumenkan dalam edisi 0613 yang dikemas kini.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-4 32K ialah profil teks GPT-4 OpenAI berkonteks panjang untuk tugas yang memerlukan lebih banyak bahan berkaitan dalam satu permintaan. Pengeluar mendokumenkan konteks 32768 token, berbanding 8192 token bagi profil GPT-4 asal. Model ini menerima teks dan mengembalikan teks, termasuk penjelasan bahasa semula jadi, draf serta kod. Perbezaan utamanya ialah konteks yang lebih besar dan bukannya tetingkap 128K atau keupayaan multimodal profil GPT-4 Turbo yang lebih baharu.
Berikan dokumen atau kod yang relevan kepada tugas yang dinyatakan dengan jelas. Perbandingan keperluan boleh menghimpunkan beberapa spesifikasi dan bertanya syarat yang sepadan, syarat yang bercanggah serta sumber yang menentukan keputusan. Berikan pengecam kepada setiap sumber dan minta petikan yang menyokong dapatan penting. Menghimpunkan bukti yang berkaitan boleh membantu model membandingkannya, manakala hasil masih perlu mengekalkan hubungan antara kesimpulan dengan sumbernya.
Bagi soalan pangkalan kod, sertakan fungsi yang relevan, tempat fungsi itu dipanggil dan tingkah laku yang disiasat. Minta penjelasan kebergantungan atau perubahan terfokus yang berkait dengan tingkah laku itu. Konteks yang lebih besar boleh menampung kod sekeliling yang berguna, tetapi tidak menghapuskan keperluan untuk mentakrifkan soalan atau kriteria pelengkapan. Cadangan kod perlu mengenal pasti kes input yang menjadi asasnya serta hasil yang dijangkakan dan boleh disemak.
Keluaran GPT-4 menerangkan kebolehkawalan melalui mesej system: pembangun boleh menentukan tugas, nada dan gaya model. Gunakan arahan itu untuk menetapkan sama ada respons perlu berupa penjelasan pendek, perbandingan, draf atau rekod dengan medan bernama. Takrifkan cara maklumat yang tiada perlu dipaparkan dan bezakan fakta yang diberikan daripada andaian. Tugas pemprosesan dokumen boleh meminta senarai syarat dengan pengecam sumber serta petikan yang relevan di sebelah setiap syarat.
Kekalkan arahan itu semasa perbualan berkembang. Sertakan hasil terdahulu yang sebenar apabila permintaan seterusnya menyemaknya, dan kenal pasti perkara yang perlu diubah. Susulan yang berguna mengecilkan skop percanggahan dalam perbandingan atau meminta pembetulan pada satu bahagian draf, bukannya menganggap prompt baharu yang terasing mengekalkan seluruh tugas terdahulu.
Kemas kini 0613 pengeluar menambahkan penambahbaikan panggilan fungsi GPT-4 kepada edisi berkonteks panjang. Pembangun menghuraikan fungsi serta parameternya, dan model boleh mengembalikan objek JSON yang mengandungi argumen untuk fungsi itu. Aplikasi melaksanakan operasi serta memberikan hasil yang dikembalikan. Keupayaan yang berguna ialah permintaan berstruktur yang berkait dengan tingkah laku aplikasi dan bukannya model yang menyelesaikan tindakan luaran secara langsung.
Bagi pembantu maklumat, fungsi boleh memperoleh rekod sebenar yang diperlukan untuk menjawab soalan. Kekalkan kaitan antara pengecam yang diminta dengan rekod yang dikembalikan, kemudian minta jawapan berdasarkan hasil itu. Semak sama ada tindakan yang dicadangkan disokong oleh permintaan pengguna dan sama ada fungsi benar-benar menyelesaikannya. Antara muka fungsi yang dikemas kini berasingan daripada penambahan mod JSON serta panggilan selari GPT-4 Turbo yang lebih baharu.
Keluaran GPT-4 asal mengenal pasti halusinasi fakta, ralat penaakulan dan pengetahuan terhad tentang peristiwa baharu sebagai batasan penting. Keluaran itu menyatakan bahawa sebahagian besar data latihan GPT-4 berakhir pada September 2021. Berikan bukti semasa bagi soalan yang jawapannya telah berubah, dan semak angka penting, nama serta tingkah laku kod berdasarkan sumber. Penjelasan yang yakin masih boleh tersalah tafsir syarat atau memperkenalkan kecacatan.
Pastikan artifak yang diminta sepadan dengan tugas dan konteks yang tersedia. Angka 32K ialah kapasiti konteks dan bukannya janji jawapan akhir yang sama panjang atau pemahaman sempurna terhadap setiap petikan yang disertakan. Simpan profil model yang dipilih, arahan, bahan sumber dan hasil bersama-sama. Ini menjadikan perbandingan dokumen panjang, penjelasan kod atau draf yang disemak cukup konkrit untuk diperiksa dan diteruskan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-4-32k | 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 $0.12 / 1K token Output · Token output $0.24 / 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-4-32k", "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 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-4-32k
Gunakan laluan kaedah yang dipaparkan di atas.
gpt-4-32kGPT-4 32K ialah profil teks GPT-4 berkonteks panjang untuk bekerja dengan koleksi dokumen atau kod yang lebih besar. Konteks 32768 token yang didokumenkan menyokong bahan berkaitan dalam satu tugas, dengan arahan system yang memandu respons dan panggilan fungsi yang didokumenkan dalam edisi 0613 yang dikemas kini.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-4 32K ialah profil teks GPT-4 OpenAI berkonteks panjang untuk tugas yang memerlukan lebih banyak bahan berkaitan dalam satu permintaan. Pengeluar mendokumenkan konteks 32768 token, berbanding 8192 token bagi profil GPT-4 asal. Model ini menerima teks dan mengembalikan teks, termasuk penjelasan bahasa semula jadi, draf serta kod. Perbezaan utamanya ialah konteks yang lebih besar dan bukannya tetingkap 128K atau keupayaan multimodal profil GPT-4 Turbo yang lebih baharu.
Berikan dokumen atau kod yang relevan kepada tugas yang dinyatakan dengan jelas. Perbandingan keperluan boleh menghimpunkan beberapa spesifikasi dan bertanya syarat yang sepadan, syarat yang bercanggah serta sumber yang menentukan keputusan. Berikan pengecam kepada setiap sumber dan minta petikan yang menyokong dapatan penting. Menghimpunkan bukti yang berkaitan boleh membantu model membandingkannya, manakala hasil masih perlu mengekalkan hubungan antara kesimpulan dengan sumbernya.
Bagi soalan pangkalan kod, sertakan fungsi yang relevan, tempat fungsi itu dipanggil dan tingkah laku yang disiasat. Minta penjelasan kebergantungan atau perubahan terfokus yang berkait dengan tingkah laku itu. Konteks yang lebih besar boleh menampung kod sekeliling yang berguna, tetapi tidak menghapuskan keperluan untuk mentakrifkan soalan atau kriteria pelengkapan. Cadangan kod perlu mengenal pasti kes input yang menjadi asasnya serta hasil yang dijangkakan dan boleh disemak.
Keluaran GPT-4 menerangkan kebolehkawalan melalui mesej system: pembangun boleh menentukan tugas, nada dan gaya model. Gunakan arahan itu untuk menetapkan sama ada respons perlu berupa penjelasan pendek, perbandingan, draf atau rekod dengan medan bernama. Takrifkan cara maklumat yang tiada perlu dipaparkan dan bezakan fakta yang diberikan daripada andaian. Tugas pemprosesan dokumen boleh meminta senarai syarat dengan pengecam sumber serta petikan yang relevan di sebelah setiap syarat.
Kekalkan arahan itu semasa perbualan berkembang. Sertakan hasil terdahulu yang sebenar apabila permintaan seterusnya menyemaknya, dan kenal pasti perkara yang perlu diubah. Susulan yang berguna mengecilkan skop percanggahan dalam perbandingan atau meminta pembetulan pada satu bahagian draf, bukannya menganggap prompt baharu yang terasing mengekalkan seluruh tugas terdahulu.
Kemas kini 0613 pengeluar menambahkan penambahbaikan panggilan fungsi GPT-4 kepada edisi berkonteks panjang. Pembangun menghuraikan fungsi serta parameternya, dan model boleh mengembalikan objek JSON yang mengandungi argumen untuk fungsi itu. Aplikasi melaksanakan operasi serta memberikan hasil yang dikembalikan. Keupayaan yang berguna ialah permintaan berstruktur yang berkait dengan tingkah laku aplikasi dan bukannya model yang menyelesaikan tindakan luaran secara langsung.
Bagi pembantu maklumat, fungsi boleh memperoleh rekod sebenar yang diperlukan untuk menjawab soalan. Kekalkan kaitan antara pengecam yang diminta dengan rekod yang dikembalikan, kemudian minta jawapan berdasarkan hasil itu. Semak sama ada tindakan yang dicadangkan disokong oleh permintaan pengguna dan sama ada fungsi benar-benar menyelesaikannya. Antara muka fungsi yang dikemas kini berasingan daripada penambahan mod JSON serta panggilan selari GPT-4 Turbo yang lebih baharu.
Keluaran GPT-4 asal mengenal pasti halusinasi fakta, ralat penaakulan dan pengetahuan terhad tentang peristiwa baharu sebagai batasan penting. Keluaran itu menyatakan bahawa sebahagian besar data latihan GPT-4 berakhir pada September 2021. Berikan bukti semasa bagi soalan yang jawapannya telah berubah, dan semak angka penting, nama serta tingkah laku kod berdasarkan sumber. Penjelasan yang yakin masih boleh tersalah tafsir syarat atau memperkenalkan kecacatan.
Pastikan artifak yang diminta sepadan dengan tugas dan konteks yang tersedia. Angka 32K ialah kapasiti konteks dan bukannya janji jawapan akhir yang sama panjang atau pemahaman sempurna terhadap setiap petikan yang disertakan. Simpan profil model yang dipilih, arahan, bahan sumber dan hasil bersama-sama. Ini menjadikan perbandingan dokumen panjang, penjelasan kod atau draf yang disemak cukup konkrit untuk diperiksa dan diteruskan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-4-32k | 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 $0.12 / 1K token Output · Token output $0.24 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-4-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-4-32k
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
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.