GPT-4o (2024-11-20) is de afzonderlijk benoemde snapshot van 20 november in OpenAI’s API-catalogus van GPT-4o. Het behoort tot de familie GPT-4o voor veelzijdige tekst- en visuele taken, accepteert tekst en afbeeldingen en geeft tekst terug. De gedateerde identiteit blijft onderscheiden van de snapshots van 6 augustus en 13 mei en van de wisselende modelselectie voor ChatGPT-chat.
Een voorbeeldtoepassing is een document voor een specifiek publiek te bewerken. Lever het oorspronkelijke materiaal, de behoeften van de lezer en de te behouden feiten aan. Vraag om een herziene passage of een volledig document met een expliciet doel en verfijn daarna de gekozen versie in een vervolgstap. Een bruikbare uitvoer kan een beknopte wijzigingsuitleg bevatten, zodat de lezer de wijzigingen aan de oorspronkelijke tekst kan toetsen.
Lever voor een visuele vraag het screenshot, de foto of documentafbeelding aan en benoem het detail dat voor de taak relevant is. Voeg de geschreven context toe die de afbeelding alleen niet biedt. Een ondersteuningsaanvraag kan het bericht van de gebruiker met een screenshot combineren en vragen om de relevante waarneming, nog benodigde informatie en een voorgesteld antwoord. Gebruik leesbare tekst en vertrouw niet op een piepklein label of een nauwkeurige ruimtelijke schatting zonder de bronafbeelding te controleren.
OpenAI’s documentatie van de familie GPT-4o vermeldt een contextvenster van 128.000 tokens. De invoer en het gevraagde antwoord delen de beschikbare context; bewaar daarom het bruikbare materiaal en belangrijke eerdere feiten en laat ruimte voor het resultaat. Definieer de vereiste lengte en het formaat van het antwoord expliciet. Een lange bronverzameling is het bruikbaarst wanneer de instructie de vraag en de relevante feiten benoemt.
De maker documenteert streaming, functieaanroepen en Structured Outputs voor de familie GPT-4o; de huidige instructies voor Structured Outputs omvatten de snapshot van 6 augustus en latere modellen. Een schema bepaalt de velden en toegestane vorm van het antwoord, terwijl een verzoek om een functieaanroep een toepassingsbewerking voorstelt. De toepassing voert haar acties uit en geeft werkelijke resultaten terug. Ook een correct gevormde verzameling velden moet nog aan het aangeleverde bewijs worden getoetst, met expliciete weergave van ontbrekende informatie.
Documentatie van de GPT-4o-reeks beschrijft ook Predicted Outputs voor een tekst- of codebestand waarvan de verwachte inhoud grotendeels bekend is. Dat optionele pad gebruikt de bekende tekst wanneer een versie met beperkte wijzigingen opnieuw wordt gegenereerd en combineert voorspelling niet met functieaanroepen. Kies voor de taak zelf een bruikbaar eindresultaat: een bewerkte passage, visuele uitleg, voorgesteld antwoord of gestructureerde bevindingen. Houd belangrijke uitspraken verbonden met het oorspronkelijke materiaal en gebruik latere berichten om een specifieke vraag op te lossen of een bepaalde sectie te herzien.
", "aboutText": "GPT-4o (2024-11-20) is de afzonderlijk benoemde snapshot van 20 november in OpenAI’s API-catalogus van GPT-4o. Het behoort tot de familie GPT-4o voor veelzijdige tekst- en visuele taken, accepteert tekst en afbeeldingen en geeft tekst terug. De gedateerde identiteit blijft onderscheiden van de snapshots van 6 augustus en 13 mei en van de wisselende modelselectie voor ChatGPT-chat.\n\nEen voorbeeldtoepassing is een document voor een specifiek publiek te bewerken. Lever het oorspronkelijke materiaal, de behoeften van de lezer en de te behouden feiten aan. Vraag om een herziene passage of een volledig document met een expliciet doel en verfijn daarna de gekozen versie in een vervolgstap. Een bruikbare uitvoer kan een beknopte wijzigingsuitleg bevatten, zodat de lezer de wijzigingen aan de oorspronkelijke tekst kan toetsen.\n\nLever voor een visuele vraag het screenshot, de foto of documentafbeelding aan en benoem het detail dat voor de taak relevant is. Voeg de geschreven context toe die de afbeelding alleen niet biedt. Een ondersteuningsaanvraag kan het bericht van de gebruiker met een screenshot combineren en vragen om de relevante waarneming, nog benodigde informatie en een voorgesteld antwoord. Gebruik leesbare tekst en vertrouw niet op een piepklein label of een nauwkeurige ruimtelijke schatting zonder de bronafbeelding te controleren.\n\nOpenAI’s documentatie van de familie GPT-4o vermeldt een contextvenster van 128.000 tokens. De invoer en het gevraagde antwoord delen de beschikbare context; bewaar daarom het bruikbare materiaal en belangrijke eerdere feiten en laat ruimte voor het resultaat. Definieer de vereiste lengte en het formaat van het antwoord expliciet. Een lange bronverzameling is het bruikbaarst wanneer de instructie de vraag en de relevante feiten benoemt.\n\nDe maker documenteert streaming, functieaanroepen en Structured Outputs voor de familie GPT-4o; de huidige instructies voor Structured Outputs omvatten de snapshot van 6 augustus en latere modellen. Een schema bepaalt de velden en toegestane vorm van het antwoord, terwijl een verzoek om een functieaanroep een toepassingsbewerking voorstelt. De toepassing voert haar acties uit en geeft werkelijke resultaten terug. Ook een correct gevormde verzameling velden moet nog aan het aangeleverde bewijs worden getoetst, met expliciete weergave van ontbrekende informatie.\n\nDocumentatie van de GPT-4o-reeks beschrijft ook Predicted Outputs voor een tekst- of codebestand waarvan de verwachte inhoud grotendeels bekend is. Dat optionele pad gebruikt de bekende tekst wanneer een versie met beperkte wijzigingen opnieuw wordt gegenereerd en combineert voorspelling niet met functieaanroepen. Kies voor de taak zelf een bruikbaar eindresultaat: een bewerkte passage, visuele uitleg, voorgesteld antwoord of gestructureerde bevindingen. Houd belangrijke uitspraken verbonden met het oorspronkelijke materiaal en gebruik latere berichten om een specifieke vraag op te lossen of een bepaalde sectie te herzien.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Edit a project update for a customer\n\nRewrite this internal note as a customer update under 80 words: 'The export fix is implemented in staging. QA found a separate date-format issue. Production rollout waits for both checks. Next review is Thursday.' Keep the tone calm, preserve the staging-versus-production distinction, and offer no release date or claim that the customer's issue is resolved.One customer-facing update with the current stage, remaining check and Thursday review.The draft never turns a scheduled review into a deployment promise or a staging fix into customer-visible resolution.openai/gpt-4o-2024-11-20De afzonderlijk benoemde GPT-4o-API-snapshot van 20 november behoort tot OpenAI’s modelfamilie voor tekst en afbeeldingen. Gebruik een duidelijke opdracht voor schrijven of visuele analyse om een antwoord, bewerkt document of gestructureerde verzameling bevindingen te ontwikkelen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-4o (2024-11-20) is de afzonderlijk benoemde snapshot van 20 november in OpenAI’s API-catalogus van GPT-4o. Het behoort tot de familie GPT-4o voor veelzijdige tekst- en visuele taken, accepteert tekst en afbeeldingen en geeft tekst terug. De gedateerde identiteit blijft onderscheiden van de snapshots van 6 augustus en 13 mei en van de wisselende modelselectie voor ChatGPT-chat.
Een voorbeeldtoepassing is een document voor een specifiek publiek te bewerken. Lever het oorspronkelijke materiaal, de behoeften van de lezer en de te behouden feiten aan. Vraag om een herziene passage of een volledig document met een expliciet doel en verfijn daarna de gekozen versie in een vervolgstap. Een bruikbare uitvoer kan een beknopte wijzigingsuitleg bevatten, zodat de lezer de wijzigingen aan de oorspronkelijke tekst kan toetsen.
Lever voor een visuele vraag het screenshot, de foto of documentafbeelding aan en benoem het detail dat voor de taak relevant is. Voeg de geschreven context toe die de afbeelding alleen niet biedt. Een ondersteuningsaanvraag kan het bericht van de gebruiker met een screenshot combineren en vragen om de relevante waarneming, nog benodigde informatie en een voorgesteld antwoord. Gebruik leesbare tekst en vertrouw niet op een piepklein label of een nauwkeurige ruimtelijke schatting zonder de bronafbeelding te controleren.
OpenAI’s documentatie van de familie GPT-4o vermeldt een contextvenster van 128.000 tokens. De invoer en het gevraagde antwoord delen de beschikbare context; bewaar daarom het bruikbare materiaal en belangrijke eerdere feiten en laat ruimte voor het resultaat. Definieer de vereiste lengte en het formaat van het antwoord expliciet. Een lange bronverzameling is het bruikbaarst wanneer de instructie de vraag en de relevante feiten benoemt.
De maker documenteert streaming, functieaanroepen en Structured Outputs voor de familie GPT-4o; de huidige instructies voor Structured Outputs omvatten de snapshot van 6 augustus en latere modellen. Een schema bepaalt de velden en toegestane vorm van het antwoord, terwijl een verzoek om een functieaanroep een toepassingsbewerking voorstelt. De toepassing voert haar acties uit en geeft werkelijke resultaten terug. Ook een correct gevormde verzameling velden moet nog aan het aangeleverde bewijs worden getoetst, met expliciete weergave van ontbrekende informatie.
Documentatie van de GPT-4o-reeks beschrijft ook Predicted Outputs voor een tekst- of codebestand waarvan de verwachte inhoud grotendeels bekend is. Dat optionele pad gebruikt de bekende tekst wanneer een versie met beperkte wijzigingen opnieuw wordt gegenereerd en combineert voorspelling niet met functieaanroepen. Kies voor de taak zelf een bruikbaar eindresultaat: een bewerkte passage, visuele uitleg, voorgesteld antwoord of gestructureerde bevindingen. Houd belangrijke uitspraken verbonden met het oorspronkelijke materiaal en gebruik latere berichten om een specifieke vraag op te lossen of een bepaalde sectie te herzien.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-4o-2024-11-20 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.0025 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.0025 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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-2024-11-20", "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-2024-11-20',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-2024-11-20',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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra openai/gpt-4o-2024-11-20
Gebruik de hierboven getoonde methodepaden.
openai/gpt-4o-2024-11-20De afzonderlijk benoemde GPT-4o-API-snapshot van 20 november behoort tot OpenAI’s modelfamilie voor tekst en afbeeldingen. Gebruik een duidelijke opdracht voor schrijven of visuele analyse om een antwoord, bewerkt document of gestructureerde verzameling bevindingen te ontwikkelen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-4o (2024-11-20) is de afzonderlijk benoemde snapshot van 20 november in OpenAI’s API-catalogus van GPT-4o. Het behoort tot de familie GPT-4o voor veelzijdige tekst- en visuele taken, accepteert tekst en afbeeldingen en geeft tekst terug. De gedateerde identiteit blijft onderscheiden van de snapshots van 6 augustus en 13 mei en van de wisselende modelselectie voor ChatGPT-chat.
Een voorbeeldtoepassing is een document voor een specifiek publiek te bewerken. Lever het oorspronkelijke materiaal, de behoeften van de lezer en de te behouden feiten aan. Vraag om een herziene passage of een volledig document met een expliciet doel en verfijn daarna de gekozen versie in een vervolgstap. Een bruikbare uitvoer kan een beknopte wijzigingsuitleg bevatten, zodat de lezer de wijzigingen aan de oorspronkelijke tekst kan toetsen.
Lever voor een visuele vraag het screenshot, de foto of documentafbeelding aan en benoem het detail dat voor de taak relevant is. Voeg de geschreven context toe die de afbeelding alleen niet biedt. Een ondersteuningsaanvraag kan het bericht van de gebruiker met een screenshot combineren en vragen om de relevante waarneming, nog benodigde informatie en een voorgesteld antwoord. Gebruik leesbare tekst en vertrouw niet op een piepklein label of een nauwkeurige ruimtelijke schatting zonder de bronafbeelding te controleren.
OpenAI’s documentatie van de familie GPT-4o vermeldt een contextvenster van 128.000 tokens. De invoer en het gevraagde antwoord delen de beschikbare context; bewaar daarom het bruikbare materiaal en belangrijke eerdere feiten en laat ruimte voor het resultaat. Definieer de vereiste lengte en het formaat van het antwoord expliciet. Een lange bronverzameling is het bruikbaarst wanneer de instructie de vraag en de relevante feiten benoemt.
De maker documenteert streaming, functieaanroepen en Structured Outputs voor de familie GPT-4o; de huidige instructies voor Structured Outputs omvatten de snapshot van 6 augustus en latere modellen. Een schema bepaalt de velden en toegestane vorm van het antwoord, terwijl een verzoek om een functieaanroep een toepassingsbewerking voorstelt. De toepassing voert haar acties uit en geeft werkelijke resultaten terug. Ook een correct gevormde verzameling velden moet nog aan het aangeleverde bewijs worden getoetst, met expliciete weergave van ontbrekende informatie.
Documentatie van de GPT-4o-reeks beschrijft ook Predicted Outputs voor een tekst- of codebestand waarvan de verwachte inhoud grotendeels bekend is. Dat optionele pad gebruikt de bekende tekst wanneer een versie met beperkte wijzigingen opnieuw wordt gegenereerd en combineert voorspelling niet met functieaanroepen. Kies voor de taak zelf een bruikbaar eindresultaat: een bewerkte passage, visuele uitleg, voorgesteld antwoord of gestructureerde bevindingen. Houd belangrijke uitspraken verbonden met het oorspronkelijke materiaal en gebruik latere berichten om een specifieke vraag op te lossen of een bepaalde sectie te herzien.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-4o-2024-11-20 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.0025 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.0025 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "openai/gpt-4o-2024-11-20",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2024-11-20', '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-2024-11-20', '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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra openai/gpt-4o-2024-11-20
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Edit a project update for a customer\n\nRewrite this internal note as a customer update under 80 words: 'The export fix is implemented in staging. QA found a separate date-format issue. Production rollout waits for both checks. Next review is Thursday.' Keep the tone calm, preserve the staging-versus-production distinction, and offer no release date or claim that the customer's issue is resolved.One customer-facing update with the current stage, remaining check and Thursday review.The draft never turns a scheduled review into a deployment promise or a staging fix into customer-visible resolution.