GPT-4o (2024-08-06) er OpenAIs daterte GPT-4o-modellversjon fra 6. august. Den tar imot tekst og bilder og produserer tekst. OpenAI navngir akkurat denne utgaven ved lanseringen av Structured Outputs, som lar et fullført svar følge et JSON Schema levert av utvikleren, i stedet for å basere seg bare på en forespørsel om gyldig JSON.
Et nyttig bruksområde er å hente ut et definert sett med opplysninger fra ustrukturert materiale. Oppgi teksten eller dokumentbildet, definer feltene og forklar hvordan en manglende verdi skal representeres. Et eksempel er å identifisere dokumentets tema, relevante vilkår og åpne spørsmål i et skjema som neste steg i applikasjonen kan behandle. La forskjellen mellom opplysninger uttrykt i kilden og slutninger være synlig i resultatet.
For en visuell oppgave gir du et leselig skjermbilde, fotografi eller diagram og angir den viktige detaljen. Ta med konteksten som trengs for å tolke den synlige tilstanden eller sammenhengen. For skriving definerer du leser, formål, tone og fakta som må bevares. Modellens direkte utdata er tekst eller strukturert tekst, mens et verktøy kan utføre en separat operasjon eller lage et annet produkt.
Produsentens kontekstveiledning oppgir uttrykkelig totalt 128000 konteksttokener og en maksimal utdatamengde på 16384 tokener for gpt-4o-2024-08-06. Det nåværende modellkortet bruker denne modellversjonen for de publiserte GPT-4o-opplysningene og angir en kunnskapsgrense på 1. oktober 2023. Kildematerialet, samtalen og det ønskede svaret deler kontekstbudsjettet. Bevar nyttige tidligere fakta og gi plass til hele resultatet.
OpenAI dokumenterer strømming, funksjonskall, Structured Outputs og finjustering for denne utgaven, og finjustering av akkurat modellen fra 6. august er navngitt i API-endringsloggen. Familiens verktøysett hos produsenten omfatter nett- og filsøk, verktøy for bildegenerering, kodetolkning og MCP-tilkoblinger. Applikasjoner gjør operasjonene sine tilgjengelige, utfører handlingene sine og returnerer faktiske resultater for videre oppfølging. Et strukturert endelig svar og en funksjonsforespørsel har ulike roller.
Structured Outputs støtter et delsett av JSON Schema, og applikasjoner må håndtere uttrykkelige avslag og avbrutte eller ufullstendige svar separat. Produsenten dokumenterer også Predicted Outputs for å generere kjent tekst eller kode på nytt med mindre endringer. Denne prediksjonsveien støtter tekstutdata og utelukker funksjonskall; de dokumenterte kontrollene skiller seg fra en vanlig forespørsel som bruker verktøy.
Forbered et endelig produkt som kan vurderes mot kilden: uthentede felter, et forslag til svar, et redigert dokument eller en forklaring. Kontroller viktige fakta så vel som formatet, og angi vilkår som materialet ikke fastslår. En avgrenset oppfølging kan deretter revidere ett felt, besvare et manglende spørsmål eller tilpasse det samme resultatet til den tiltenkte leseren.
", "aboutText": "GPT-4o (2024-08-06) er OpenAIs daterte GPT-4o-modellversjon fra 6. august. Den tar imot tekst og bilder og produserer tekst. OpenAI navngir akkurat denne utgaven ved lanseringen av Structured Outputs, som lar et fullført svar følge et JSON Schema levert av utvikleren, i stedet for å basere seg bare på en forespørsel om gyldig JSON.\n\nEt nyttig bruksområde er å hente ut et definert sett med opplysninger fra ustrukturert materiale. Oppgi teksten eller dokumentbildet, definer feltene og forklar hvordan en manglende verdi skal representeres. Et eksempel er å identifisere dokumentets tema, relevante vilkår og åpne spørsmål i et skjema som neste steg i applikasjonen kan behandle. La forskjellen mellom opplysninger uttrykt i kilden og slutninger være synlig i resultatet.\n\nFor en visuell oppgave gir du et leselig skjermbilde, fotografi eller diagram og angir den viktige detaljen. Ta med konteksten som trengs for å tolke den synlige tilstanden eller sammenhengen. For skriving definerer du leser, formål, tone og fakta som må bevares. Modellens direkte utdata er tekst eller strukturert tekst, mens et verktøy kan utføre en separat operasjon eller lage et annet produkt.\n\nProdusentens kontekstveiledning oppgir uttrykkelig totalt 128000 konteksttokener og en maksimal utdatamengde på 16384 tokener for gpt-4o-2024-08-06. Det nåværende modellkortet bruker denne modellversjonen for de publiserte GPT-4o-opplysningene og angir en kunnskapsgrense på 1. oktober 2023. Kildematerialet, samtalen og det ønskede svaret deler kontekstbudsjettet. Bevar nyttige tidligere fakta og gi plass til hele resultatet.\n\nOpenAI dokumenterer strømming, funksjonskall, Structured Outputs og finjustering for denne utgaven, og finjustering av akkurat modellen fra 6. august er navngitt i API-endringsloggen. Familiens verktøysett hos produsenten omfatter nett- og filsøk, verktøy for bildegenerering, kodetolkning og MCP-tilkoblinger. Applikasjoner gjør operasjonene sine tilgjengelige, utfører handlingene sine og returnerer faktiske resultater for videre oppfølging. Et strukturert endelig svar og en funksjonsforespørsel har ulike roller.\n\nStructured Outputs støtter et delsett av JSON Schema, og applikasjoner må håndtere uttrykkelige avslag og avbrutte eller ufullstendige svar separat. Produsenten dokumenterer også Predicted Outputs for å generere kjent tekst eller kode på nytt med mindre endringer. Denne prediksjonsveien støtter tekstutdata og utelukker funksjonskall; de dokumenterte kontrollene skiller seg fra en vanlig forespørsel som bruker verktøy.\n\nForbered et endelig produkt som kan vurderes mot kilden: uthentede felter, et forslag til svar, et redigert dokument eller en forklaring. Kontroller viktige fakta så vel som formatet, og angi vilkår som materialet ikke fastslår. En avgrenset oppfølging kan deretter revidere ett felt, besvare et manglende spørsmål eller tilpasse det samme resultatet til den tiltenkte leseren.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Extract a document record with unknowns\n\nExtract fields from this notice: “Case Q18 concerns a damaged parcel. The customer asks for a replacement. No delivery date is given.” Request a record containing case_id, topic, requested_remedy, delivery_date and evidence. Use null for an absent date and preserve the case identifier exactly. Do not infer shipment status.A structured text record with the five named fields, source evidence and an explicit missing date.Check each field against the notice and confirm that a replacement request is not recorded as an approved replacement.openai/gpt-4o-2024-08-06GPT-4o-modellversjonen fra 6. august støtter arbeid med tekst og bilder og skjemabaserte Structured Outputs. Bruk den til å hente ut definerte felter, utvikle et skriftlig svar eller kombinere kildemateriale med resultater fra applikasjonens verktøy.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-4o (2024-08-06) er OpenAIs daterte GPT-4o-modellversjon fra 6. august. Den tar imot tekst og bilder og produserer tekst. OpenAI navngir akkurat denne utgaven ved lanseringen av Structured Outputs, som lar et fullført svar følge et JSON Schema levert av utvikleren, i stedet for å basere seg bare på en forespørsel om gyldig JSON.
Et nyttig bruksområde er å hente ut et definert sett med opplysninger fra ustrukturert materiale. Oppgi teksten eller dokumentbildet, definer feltene og forklar hvordan en manglende verdi skal representeres. Et eksempel er å identifisere dokumentets tema, relevante vilkår og åpne spørsmål i et skjema som neste steg i applikasjonen kan behandle. La forskjellen mellom opplysninger uttrykt i kilden og slutninger være synlig i resultatet.
For en visuell oppgave gir du et leselig skjermbilde, fotografi eller diagram og angir den viktige detaljen. Ta med konteksten som trengs for å tolke den synlige tilstanden eller sammenhengen. For skriving definerer du leser, formål, tone og fakta som må bevares. Modellens direkte utdata er tekst eller strukturert tekst, mens et verktøy kan utføre en separat operasjon eller lage et annet produkt.
Produsentens kontekstveiledning oppgir uttrykkelig totalt 128000 konteksttokener og en maksimal utdatamengde på 16384 tokener for gpt-4o-2024-08-06. Det nåværende modellkortet bruker denne modellversjonen for de publiserte GPT-4o-opplysningene og angir en kunnskapsgrense på 1. oktober 2023. Kildematerialet, samtalen og det ønskede svaret deler kontekstbudsjettet. Bevar nyttige tidligere fakta og gi plass til hele resultatet.
OpenAI dokumenterer strømming, funksjonskall, Structured Outputs og finjustering for denne utgaven, og finjustering av akkurat modellen fra 6. august er navngitt i API-endringsloggen. Familiens verktøysett hos produsenten omfatter nett- og filsøk, verktøy for bildegenerering, kodetolkning og MCP-tilkoblinger. Applikasjoner gjør operasjonene sine tilgjengelige, utfører handlingene sine og returnerer faktiske resultater for videre oppfølging. Et strukturert endelig svar og en funksjonsforespørsel har ulike roller.
Structured Outputs støtter et delsett av JSON Schema, og applikasjoner må håndtere uttrykkelige avslag og avbrutte eller ufullstendige svar separat. Produsenten dokumenterer også Predicted Outputs for å generere kjent tekst eller kode på nytt med mindre endringer. Denne prediksjonsveien støtter tekstutdata og utelukker funksjonskall; de dokumenterte kontrollene skiller seg fra en vanlig forespørsel som bruker verktøy.
Forbered et endelig produkt som kan vurderes mot kilden: uthentede felter, et forslag til svar, et redigert dokument eller en forklaring. Kontroller viktige fakta så vel som formatet, og angi vilkår som materialet ikke fastslår. En avgrenset oppfølging kan deretter revidere ett felt, besvare et manglende spørsmål eller tilpasse det samme resultatet til den tiltenkte leseren.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-4o-2024-08-06 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.005 / 1K tokener Utdata · Utgående tokener $0.02 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0025 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.005 / 1K tokener Utdata · Utgående tokener $0.02 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0025 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-4o-2024-08-06", "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='openai/gpt-4o-2024-08-06',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='openai/gpt-4o-2024-08-06',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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra openai/gpt-4o-2024-08-06
Bruk metodestiene som vises ovenfor.
openai/gpt-4o-2024-08-06GPT-4o-modellversjonen fra 6. august støtter arbeid med tekst og bilder og skjemabaserte Structured Outputs. Bruk den til å hente ut definerte felter, utvikle et skriftlig svar eller kombinere kildemateriale med resultater fra applikasjonens verktøy.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-4o (2024-08-06) er OpenAIs daterte GPT-4o-modellversjon fra 6. august. Den tar imot tekst og bilder og produserer tekst. OpenAI navngir akkurat denne utgaven ved lanseringen av Structured Outputs, som lar et fullført svar følge et JSON Schema levert av utvikleren, i stedet for å basere seg bare på en forespørsel om gyldig JSON.
Et nyttig bruksområde er å hente ut et definert sett med opplysninger fra ustrukturert materiale. Oppgi teksten eller dokumentbildet, definer feltene og forklar hvordan en manglende verdi skal representeres. Et eksempel er å identifisere dokumentets tema, relevante vilkår og åpne spørsmål i et skjema som neste steg i applikasjonen kan behandle. La forskjellen mellom opplysninger uttrykt i kilden og slutninger være synlig i resultatet.
For en visuell oppgave gir du et leselig skjermbilde, fotografi eller diagram og angir den viktige detaljen. Ta med konteksten som trengs for å tolke den synlige tilstanden eller sammenhengen. For skriving definerer du leser, formål, tone og fakta som må bevares. Modellens direkte utdata er tekst eller strukturert tekst, mens et verktøy kan utføre en separat operasjon eller lage et annet produkt.
Produsentens kontekstveiledning oppgir uttrykkelig totalt 128000 konteksttokener og en maksimal utdatamengde på 16384 tokener for gpt-4o-2024-08-06. Det nåværende modellkortet bruker denne modellversjonen for de publiserte GPT-4o-opplysningene og angir en kunnskapsgrense på 1. oktober 2023. Kildematerialet, samtalen og det ønskede svaret deler kontekstbudsjettet. Bevar nyttige tidligere fakta og gi plass til hele resultatet.
OpenAI dokumenterer strømming, funksjonskall, Structured Outputs og finjustering for denne utgaven, og finjustering av akkurat modellen fra 6. august er navngitt i API-endringsloggen. Familiens verktøysett hos produsenten omfatter nett- og filsøk, verktøy for bildegenerering, kodetolkning og MCP-tilkoblinger. Applikasjoner gjør operasjonene sine tilgjengelige, utfører handlingene sine og returnerer faktiske resultater for videre oppfølging. Et strukturert endelig svar og en funksjonsforespørsel har ulike roller.
Structured Outputs støtter et delsett av JSON Schema, og applikasjoner må håndtere uttrykkelige avslag og avbrutte eller ufullstendige svar separat. Produsenten dokumenterer også Predicted Outputs for å generere kjent tekst eller kode på nytt med mindre endringer. Denne prediksjonsveien støtter tekstutdata og utelukker funksjonskall; de dokumenterte kontrollene skiller seg fra en vanlig forespørsel som bruker verktøy.
Forbered et endelig produkt som kan vurderes mot kilden: uthentede felter, et forslag til svar, et redigert dokument eller en forklaring. Kontroller viktige fakta så vel som formatet, og angi vilkår som materialet ikke fastslår. En avgrenset oppfølging kan deretter revidere ett felt, besvare et manglende spørsmål eller tilpasse det samme resultatet til den tiltenkte leseren.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-4o-2024-08-06 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.005 / 1K tokener Utdata · Utgående tokener $0.02 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0025 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.005 / 1K tokener Utdata · Utgående tokener $0.02 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0025 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "openai/gpt-4o-2024-08-06",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'openai/gpt-4o-2024-08-06', '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': 'openai/gpt-4o-2024-08-06', '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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra openai/gpt-4o-2024-08-06
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Extract a document record with unknowns\n\nExtract fields from this notice: “Case Q18 concerns a damaged parcel. The customer asks for a replacement. No delivery date is given.” Request a record containing case_id, topic, requested_remedy, delivery_date and evidence. Use null for an absent date and preserve the case identifier exactly. Do not infer shipment status.A structured text record with the five named fields, source evidence and an explicit missing date.Check each field against the notice and confirm that a replacement request is not recorded as an approved replacement.