GPT-4o Mini (2024-07-18) er OpenAIs daterte småmodellutgave fra 18. juli for avgrensede tekst- og bildeoppgaver. Den godtar tekst og bilder og produserer tekst, inkludert Structured Outputs. Produsenten beskriver arbeidsflyter med kjedede eller parallelle modellkall, omfattende samtale- eller dokumentkontekst og korte tekstsvar rettet mot kunder.
En illustrerende oppgave er å behandle en forespørsel under et enhetlig regelsett. Oppgi meldingen, den relevante referanseinformasjonen og kravene til svaret. Be om temaet, fastslåtte fakta og et kort svarforslag. For uthenting definerer du obligatoriske felt og fremstillingen av en manglende verdi. Produsentens lansering beskriver strukturerte data fra dokumenter og svar som bygger på trådhistorikk, som nyttige bruksområder.
Visuelle inndata kan legge til et skjermbilde eller en dokumentside i den skriftlige forespørselen. Angi etiketten, tilstanden eller detaljen som skal forme svaret, og oppgi konteksten som bildet ikke viser. Lanseringen beskriver det samme språkutvalget som GPT-4o, sammen med tekst- og bilderesonnering, matematikk og programmering. For en avgrenset endring eller et kodespørsmål angir du den konkrete operasjonen og faktaene eller atferden som må beholdes.
OpenAIs nøyaktige modellkort oppgir et kontekstvindu på 128000 tokener, en maksimal utdatamengde på 16384 tokener og en kunnskapsgrense på 1. oktober 2023. Kildematerialet og det genererte svaret deler det tilgjengelige vinduet. Versjonen datert 18. juli er oppført separat fra de fullstendige GPT-4o-utgavene og beholder sin egen modellidentitet og sine egne grenser.
Produsenten dokumenterer strømming, funksjonskall, Structured Outputs, fil- og bildeinndata samt søk, finjustering og Predicted Outputs. Det oppgitte verktøysettet omfatter funksjoner, nett- og filsøk, bildegenerering, kodetolking og MCP-tilkoblinger. Verktøy er separate operasjoner: en applikasjon stiller dem til rådighet, utfører handlingene sine og returnerer faktiske resultater. Produsenten beskriver også finjustering av modellen for spesialiserte oppgaver uten å gjøre en eksisterende forespørsel til en nytrent modell.
Veiledningen for Structured Outputs navngir eksplisitt gpt-4o-mini-2024-07-18 og støtter en delmengde av JSON Schema. Håndter et avslag eller et ufullstendig svar separat fra et ferdig strukturert resultat, og kontroller uthentede verdier mot kildematerialet. Predicted Outputs kan bruke i hovedsak kjent tekst ved regenerering av et dokument eller en kodefil; prediksjonsarbeidsflyten er bare for tekst og kombineres ikke med funksjonskall.
Definer et nyttig sluttprodukt: et kort svar, en handlingsliste, en redigert passasje eller et sett med felt for neste trinn. Hold reglene enhetlige ved gjentatte inndata, og ta med vesentlige tidligere fakta i en oppfølging. Et svar er nyttig når innholdet, formatet og den foreslåtte neste handlingen fortsatt er knyttet til oppgaven og belegget du oppga.
", "aboutText": "GPT-4o Mini (2024-07-18) er OpenAIs daterte småmodellutgave fra 18. juli for avgrensede tekst- og bildeoppgaver. Den godtar tekst og bilder og produserer tekst, inkludert Structured Outputs. Produsenten beskriver arbeidsflyter med kjedede eller parallelle modellkall, omfattende samtale- eller dokumentkontekst og korte tekstsvar rettet mot kunder.\n\nEn illustrerende oppgave er å behandle en forespørsel under et enhetlig regelsett. Oppgi meldingen, den relevante referanseinformasjonen og kravene til svaret. Be om temaet, fastslåtte fakta og et kort svarforslag. For uthenting definerer du obligatoriske felt og fremstillingen av en manglende verdi. Produsentens lansering beskriver strukturerte data fra dokumenter og svar som bygger på trådhistorikk, som nyttige bruksområder.\n\nVisuelle inndata kan legge til et skjermbilde eller en dokumentside i den skriftlige forespørselen. Angi etiketten, tilstanden eller detaljen som skal forme svaret, og oppgi konteksten som bildet ikke viser. Lanseringen beskriver det samme språkutvalget som GPT-4o, sammen med tekst- og bilderesonnering, matematikk og programmering. For en avgrenset endring eller et kodespørsmål angir du den konkrete operasjonen og faktaene eller atferden som må beholdes.\n\nOpenAIs nøyaktige modellkort oppgir et kontekstvindu på 128000 tokener, en maksimal utdatamengde på 16384 tokener og en kunnskapsgrense på 1. oktober 2023. Kildematerialet og det genererte svaret deler det tilgjengelige vinduet. Versjonen datert 18. juli er oppført separat fra de fullstendige GPT-4o-utgavene og beholder sin egen modellidentitet og sine egne grenser.\n\nProdusenten dokumenterer strømming, funksjonskall, Structured Outputs, fil- og bildeinndata samt søk, finjustering og Predicted Outputs. Det oppgitte verktøysettet omfatter funksjoner, nett- og filsøk, bildegenerering, kodetolking og MCP-tilkoblinger. Verktøy er separate operasjoner: en applikasjon stiller dem til rådighet, utfører handlingene sine og returnerer faktiske resultater. Produsenten beskriver også finjustering av modellen for spesialiserte oppgaver uten å gjøre en eksisterende forespørsel til en nytrent modell.\n\nVeiledningen for Structured Outputs navngir eksplisitt `gpt-4o-mini-2024-07-18` og støtter en delmengde av JSON Schema. Håndter et avslag eller et ufullstendig svar separat fra et ferdig strukturert resultat, og kontroller uthentede verdier mot kildematerialet. Predicted Outputs kan bruke i hovedsak kjent tekst ved regenerering av et dokument eller en kodefil; prediksjonsarbeidsflyten er bare for tekst og kombineres ikke med funksjonskall.\n\nDefiner et nyttig sluttprodukt: et kort svar, en handlingsliste, en redigert passasje eller et sett med felt for neste trinn. Hold reglene enhetlige ved gjentatte inndata, og ta med vesentlige tidligere fakta i en oppfølging. Et svar er nyttig når innholdet, formatet og den foreslåtte neste handlingen fortsatt er knyttet til oppgaven og belegget du oppga.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Extract fields from a service thread\n\nExtract a service record from this thread: M1: 'My order Q-81 arrived with one blue mug missing.' M2: 'We can send a replacement; please confirm your address.' M3: 'The address is unchanged.' Return order ID, missing item, proposed remedy and whether shipment is confirmed. Preserve message labels as evidence.A four-field service record with supporting message labels and distinct proposal versus confirmation status.A proposed replacement must not be reported as a shipped replacement.openai/gpt-4o-mini-2024-07-18GPT-4o Mini-versjonen datert 18. juli er en liten tekst- og bildemodell for avgrenset arbeid. Den støtter strømming, funksjonskall og Structured Outputs for oppgaver som dokumentuthenting, korte svar og gjentakende behandling.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-4o Mini (2024-07-18) er OpenAIs daterte småmodellutgave fra 18. juli for avgrensede tekst- og bildeoppgaver. Den godtar tekst og bilder og produserer tekst, inkludert Structured Outputs. Produsenten beskriver arbeidsflyter med kjedede eller parallelle modellkall, omfattende samtale- eller dokumentkontekst og korte tekstsvar rettet mot kunder.
En illustrerende oppgave er å behandle en forespørsel under et enhetlig regelsett. Oppgi meldingen, den relevante referanseinformasjonen og kravene til svaret. Be om temaet, fastslåtte fakta og et kort svarforslag. For uthenting definerer du obligatoriske felt og fremstillingen av en manglende verdi. Produsentens lansering beskriver strukturerte data fra dokumenter og svar som bygger på trådhistorikk, som nyttige bruksområder.
Visuelle inndata kan legge til et skjermbilde eller en dokumentside i den skriftlige forespørselen. Angi etiketten, tilstanden eller detaljen som skal forme svaret, og oppgi konteksten som bildet ikke viser. Lanseringen beskriver det samme språkutvalget som GPT-4o, sammen med tekst- og bilderesonnering, matematikk og programmering. For en avgrenset endring eller et kodespørsmål angir du den konkrete operasjonen og faktaene eller atferden som må beholdes.
OpenAIs nøyaktige modellkort oppgir et kontekstvindu på 128000 tokener, en maksimal utdatamengde på 16384 tokener og en kunnskapsgrense på 1. oktober 2023. Kildematerialet og det genererte svaret deler det tilgjengelige vinduet. Versjonen datert 18. juli er oppført separat fra de fullstendige GPT-4o-utgavene og beholder sin egen modellidentitet og sine egne grenser.
Produsenten dokumenterer strømming, funksjonskall, Structured Outputs, fil- og bildeinndata samt søk, finjustering og Predicted Outputs. Det oppgitte verktøysettet omfatter funksjoner, nett- og filsøk, bildegenerering, kodetolking og MCP-tilkoblinger. Verktøy er separate operasjoner: en applikasjon stiller dem til rådighet, utfører handlingene sine og returnerer faktiske resultater. Produsenten beskriver også finjustering av modellen for spesialiserte oppgaver uten å gjøre en eksisterende forespørsel til en nytrent modell.
Veiledningen for Structured Outputs navngir eksplisitt gpt-4o-mini-2024-07-18 og støtter en delmengde av JSON Schema. Håndter et avslag eller et ufullstendig svar separat fra et ferdig strukturert resultat, og kontroller uthentede verdier mot kildematerialet. Predicted Outputs kan bruke i hovedsak kjent tekst ved regenerering av et dokument eller en kodefil; prediksjonsarbeidsflyten er bare for tekst og kombineres ikke med funksjonskall.
Definer et nyttig sluttprodukt: et kort svar, en handlingsliste, en redigert passasje eller et sett med felt for neste trinn. Hold reglene enhetlige ved gjentatte inndata, og ta med vesentlige tidligere fakta i en oppfølging. Et svar er nyttig når innholdet, formatet og den foreslåtte neste handlingen fortsatt er knyttet til oppgaven og belegget du oppga.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-4o-mini-2024-07-18 | 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 $0.0003 / 1K tokener Utdata · Utgående tokener $0.0012 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00015 / 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 $0.0003 / 1K tokener Utdata · Utgående tokener $0.0012 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00015 / 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-mini-2024-07-18", "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-mini-2024-07-18',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-mini-2024-07-18',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-mini-2024-07-18
Bruk metodestiene som vises ovenfor.
openai/gpt-4o-mini-2024-07-18GPT-4o Mini-versjonen datert 18. juli er en liten tekst- og bildemodell for avgrenset arbeid. Den støtter strømming, funksjonskall og Structured Outputs for oppgaver som dokumentuthenting, korte svar og gjentakende behandling.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-4o Mini (2024-07-18) er OpenAIs daterte småmodellutgave fra 18. juli for avgrensede tekst- og bildeoppgaver. Den godtar tekst og bilder og produserer tekst, inkludert Structured Outputs. Produsenten beskriver arbeidsflyter med kjedede eller parallelle modellkall, omfattende samtale- eller dokumentkontekst og korte tekstsvar rettet mot kunder.
En illustrerende oppgave er å behandle en forespørsel under et enhetlig regelsett. Oppgi meldingen, den relevante referanseinformasjonen og kravene til svaret. Be om temaet, fastslåtte fakta og et kort svarforslag. For uthenting definerer du obligatoriske felt og fremstillingen av en manglende verdi. Produsentens lansering beskriver strukturerte data fra dokumenter og svar som bygger på trådhistorikk, som nyttige bruksområder.
Visuelle inndata kan legge til et skjermbilde eller en dokumentside i den skriftlige forespørselen. Angi etiketten, tilstanden eller detaljen som skal forme svaret, og oppgi konteksten som bildet ikke viser. Lanseringen beskriver det samme språkutvalget som GPT-4o, sammen med tekst- og bilderesonnering, matematikk og programmering. For en avgrenset endring eller et kodespørsmål angir du den konkrete operasjonen og faktaene eller atferden som må beholdes.
OpenAIs nøyaktige modellkort oppgir et kontekstvindu på 128000 tokener, en maksimal utdatamengde på 16384 tokener og en kunnskapsgrense på 1. oktober 2023. Kildematerialet og det genererte svaret deler det tilgjengelige vinduet. Versjonen datert 18. juli er oppført separat fra de fullstendige GPT-4o-utgavene og beholder sin egen modellidentitet og sine egne grenser.
Produsenten dokumenterer strømming, funksjonskall, Structured Outputs, fil- og bildeinndata samt søk, finjustering og Predicted Outputs. Det oppgitte verktøysettet omfatter funksjoner, nett- og filsøk, bildegenerering, kodetolking og MCP-tilkoblinger. Verktøy er separate operasjoner: en applikasjon stiller dem til rådighet, utfører handlingene sine og returnerer faktiske resultater. Produsenten beskriver også finjustering av modellen for spesialiserte oppgaver uten å gjøre en eksisterende forespørsel til en nytrent modell.
Veiledningen for Structured Outputs navngir eksplisitt gpt-4o-mini-2024-07-18 og støtter en delmengde av JSON Schema. Håndter et avslag eller et ufullstendig svar separat fra et ferdig strukturert resultat, og kontroller uthentede verdier mot kildematerialet. Predicted Outputs kan bruke i hovedsak kjent tekst ved regenerering av et dokument eller en kodefil; prediksjonsarbeidsflyten er bare for tekst og kombineres ikke med funksjonskall.
Definer et nyttig sluttprodukt: et kort svar, en handlingsliste, en redigert passasje eller et sett med felt for neste trinn. Hold reglene enhetlige ved gjentatte inndata, og ta med vesentlige tidligere fakta i en oppfølging. Et svar er nyttig når innholdet, formatet og den foreslåtte neste handlingen fortsatt er knyttet til oppgaven og belegget du oppga.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-4o-mini-2024-07-18 | 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 $0.0003 / 1K tokener Utdata · Utgående tokener $0.0012 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00015 / 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 $0.0003 / 1K tokener Utdata · Utgående tokener $0.0012 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00015 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "openai/gpt-4o-mini-2024-07-18",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-mini-2024-07-18', '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-mini-2024-07-18', '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-mini-2024-07-18
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Extract fields from a service thread\n\nExtract a service record from this thread: M1: 'My order Q-81 arrived with one blue mug missing.' M2: 'We can send a replacement; please confirm your address.' M3: 'The address is unchanged.' Return order ID, missing item, proposed remedy and whether shipment is confirmed. Preserve message labels as evidence.A four-field service record with supporting message labels and distinct proposal versus confirmation status.A proposed replacement must not be reported as a shipped replacement.