OpenAI GPT-3.5 Turbo 1106 is de benoemde GPT-3.5 Turbo-editie met de identificatie gpt-3.5-turbo-1106. Het begrijpt en genereert natuurlijke taal en code, met een op chat gericht ontwerp dat ook teksttaken buiten gesprekken ondersteunt. De gedocumenteerde veranderingen van deze editie omvatten standaard een contextvenster van 16K, verbeterde instructieopvolging, JSON-modus en parallelle functieaanroepen. De expliciete 1106-identiteit houdt dit profiel gescheiden van de 0613-editie, de latere 0125-modelversie en GPT-3.5 Turbo Instruct.
Bereid de taak voor met de relevante tekst, de regels die het antwoord moet volgen en de gewenste vorm van het resultaat. Neem voor een supportantwoord de vraag van de klant en de toepasselijke productfeiten op. Benoem voor extractie de te identificeren velden en leg uit wat moet gebeuren als een veld ontbreekt. Lever voor een codetaak de relevante code, het verwachte gedrag en de op te lossen fout of beperking aan. De context van 16K biedt ruimte voor ondersteunend materiaal; ze belooft niet dat elk detail correct wordt gebruikt of dat het antwoord even lang kan zijn als de invoer.
OpenAI vermeldt een kennisgrens van september 2021 voor de GPT-3.5 Turbo-familie. Lever gezaghebbend materiaal aan als het antwoord afhangt van latere informatie of projectspecifieke feiten. Vraag het model onderscheid te maken tussen wat in de aangeleverde tekst aanwezig is en wat het afleidt. Een verzoek om een antwoord in een bepaald formaat moet dat formaat expliciet definiëren in plaats van het model de velden, eenheden of conventies te laten raden.
JSON-modus richt zich op syntactisch geldige JSON. Dit is nuttig als tekstextractie of classificatie een object nodig heeft dat een toepassing kan parsen. Neem een expliciete instructie op om JSON te produceren en benoem de vereiste sleutels, waardetypen en behandeling van onbekende informatie. OpenAI waarschuwt dat het weglaten van de JSON-instructie tot witruimtegeneratie tot aan de tokenlimiet kan leiden. Een volledig antwoord moet ook worden onderscheiden van uitvoer die wordt onderbroken voordat het object af is.
Geldige JSON garandeert op zichzelf niet dat een bepaald schema wordt gevolgd of dat de waarden correct zijn. Controleer bij recordextractie of de vereiste sleutels aanwezig zijn en of elke geëxtraheerde waarde door de invoer wordt ondersteund. JSON-modus mag niet als de schemagarantie van de latere functie Structured Outputs worden behandeld. Dit onderscheid is belangrijk als de uitvoer een formulier invult, een label selecteert of invoer voor een ander proces wordt.
De 1106-editie ondersteunt parallelle functieaanroepen, zodat het model meer dan één functieaanroep in een antwoord kan voorstellen. Dit kan een taak ondersteunen die verschillende toepassingsspecifieke bewerkingen of onafhankelijke informatieopvragingen nodig heeft. Beschrijf het doel en de verwachte invoer van elke functie duidelijk. De omringende toepassing voert de bewerking uit en levert het resultaat aan; een gegenereerde functieaanroep alleen bewijst niet dat een actie is voltooid. Beoordeel de voorgestelde argumenten en houd een tekstantwoord aan de daadwerkelijk teruggegeven resultaten gekoppeld.
OpenAI’s editieaankondiging documenteert fine-tuning voor het nieuwe GPT-3.5 Turbo-model met 16K. Een gefinetuned model is een afzonderlijk voorbereide variant en geen automatische eigenschap van elk verzoek aan deze basiseditie. Begin voor gewoon gebruik met een duidelijke instructie en relevante voorbeelden van het gewenste antwoord. Voorbeelden bij een extractie- of herschrijfopdracht moeten de belangrijke verschillen tonen, zoals een ontbrekende waarde of een formulering die ongewijzigd moet blijven.
Nuttige uitvoer omvat een supportantwoord op basis van aangeleverde productinformatie, een gecontroleerd JSON-record, een beknopte uitleg van code of een herschreven passage met opgegeven beperkingen. Vergelijk het resultaat met de brontekst en het gevraagde formaat. Controleer voor code de voorgestelde wijziging in het doelproject en voor extractie de waarden en de behandeling van ontbrekende velden. De waarde van deze editie is haar concrete mogelijkheden voor tekst, formaatopvolging en functieaanroepen, toegepast op invoer met een duidelijk beoogd resultaat.
", "aboutText": "OpenAI GPT-3.5 Turbo 1106 is de benoemde GPT-3.5 Turbo-editie met de identificatie gpt-3.5-turbo-1106. Het begrijpt en genereert natuurlijke taal en code, met een op chat gericht ontwerp dat ook teksttaken buiten gesprekken ondersteunt. De gedocumenteerde veranderingen van deze editie omvatten standaard een contextvenster van 16K, verbeterde instructieopvolging, JSON-modus en parallelle functieaanroepen. De expliciete 1106-identiteit houdt dit profiel gescheiden van de 0613-editie, de latere 0125-modelversie en GPT-3.5 Turbo Instruct.\n\n### Instructies en de invoercontext\n\nBereid de taak voor met de relevante tekst, de regels die het antwoord moet volgen en de gewenste vorm van het resultaat. Neem voor een supportantwoord de vraag van de klant en de toepasselijke productfeiten op. Benoem voor extractie de te identificeren velden en leg uit wat moet gebeuren als een veld ontbreekt. Lever voor een codetaak de relevante code, het verwachte gedrag en de op te lossen fout of beperking aan. De context van 16K biedt ruimte voor ondersteunend materiaal; ze belooft niet dat elk detail correct wordt gebruikt of dat het antwoord even lang kan zijn als de invoer.\n\nOpenAI vermeldt een kennisgrens van september 2021 voor de GPT-3.5 Turbo-familie. Lever gezaghebbend materiaal aan als het antwoord afhangt van latere informatie of projectspecifieke feiten. Vraag het model onderscheid te maken tussen wat in de aangeleverde tekst aanwezig is en wat het afleidt. Een verzoek om een antwoord in een bepaald formaat moet dat formaat expliciet definiëren in plaats van het model de velden, eenheden of conventies te laten raden.\n\n### JSON-modus en schemacontroles\n\nJSON-modus richt zich op syntactisch geldige JSON. Dit is nuttig als tekstextractie of classificatie een object nodig heeft dat een toepassing kan parsen. Neem een expliciete instructie op om JSON te produceren en benoem de vereiste sleutels, waardetypen en behandeling van onbekende informatie. OpenAI waarschuwt dat het weglaten van de JSON-instructie tot witruimtegeneratie tot aan de tokenlimiet kan leiden. Een volledig antwoord moet ook worden onderscheiden van uitvoer die wordt onderbroken voordat het object af is.\n\nGeldige JSON garandeert op zichzelf niet dat een bepaald schema wordt gevolgd of dat de waarden correct zijn. Controleer bij recordextractie of de vereiste sleutels aanwezig zijn en of elke geëxtraheerde waarde door de invoer wordt ondersteund. JSON-modus mag niet als de schemagarantie van de latere functie Structured Outputs worden behandeld. Dit onderscheid is belangrijk als de uitvoer een formulier invult, een label selecteert of invoer voor een ander proces wordt.\n\n### Parallelle functieaanroepen\n\nDe 1106-editie ondersteunt parallelle functieaanroepen, zodat het model meer dan één functieaanroep in een antwoord kan voorstellen. Dit kan een taak ondersteunen die verschillende toepassingsspecifieke bewerkingen of onafhankelijke informatieopvragingen nodig heeft. Beschrijf het doel en de verwachte invoer van elke functie duidelijk. De omringende toepassing voert de bewerking uit en levert het resultaat aan; een gegenereerde functieaanroep alleen bewijst niet dat een actie is voltooid. Beoordeel de voorgestelde argumenten en houd een tekstantwoord aan de daadwerkelijk teruggegeven resultaten gekoppeld.\n\n### Fine-tuning en praktisch gebruik\n\nOpenAI’s editieaankondiging documenteert fine-tuning voor het nieuwe GPT-3.5 Turbo-model met 16K. Een gefinetuned model is een afzonderlijk voorbereide variant en geen automatische eigenschap van elk verzoek aan deze basiseditie. Begin voor gewoon gebruik met een duidelijke instructie en relevante voorbeelden van het gewenste antwoord. Voorbeelden bij een extractie- of herschrijfopdracht moeten de belangrijke verschillen tonen, zoals een ontbrekende waarde of een formulering die ongewijzigd moet blijven.\n\nNuttige uitvoer omvat een supportantwoord op basis van aangeleverde productinformatie, een gecontroleerd JSON-record, een beknopte uitleg van code of een herschreven passage met opgegeven beperkingen. Vergelijk het resultaat met de brontekst en het gevraagde formaat. Controleer voor code de voorgestelde wijziging in het doelproject en voor extractie de waarden en de behandeling van ontbrekende velden. De waarde van deze editie is haar concrete mogelijkheden voor tekst, formaatopvolging en functieaanroepen, toegepast op invoer met een duidelijk beoogd resultaat.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Request an extraction object\n\nExtract an appointment record from: "Visit V-17 is on 12 December at 10:30 with Morgan. No room assigned." Return only a JSON object with keys visit_id, date_text, time_text, contact and room. Use strings for known values and null for the missing room. Do not infer a year or location.One requested JSON object with five keys; room is null and the date remains textual.Parse the returned JSON and compare every value with the sentence; formatting alone does not establish correctness.gpt-3.5-turbo-1106OpenAI GPT-3.5 Turbo 1106 is de benoemde tekstmodel-editie met een contextvenster van 16K, verbeterde instructieopvolging, JSON-modus en parallelle functieaanroepen. Gebruik het voor gespreksassistentie, tekstextractie en code- of inhoudstaken met een duidelijk gespecificeerde uitvoer.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
OpenAI GPT-3.5 Turbo 1106 is de benoemde GPT-3.5 Turbo-editie met de identificatie gpt-3.5-turbo-1106. Het begrijpt en genereert natuurlijke taal en code, met een op chat gericht ontwerp dat ook teksttaken buiten gesprekken ondersteunt. De gedocumenteerde veranderingen van deze editie omvatten standaard een contextvenster van 16K, verbeterde instructieopvolging, JSON-modus en parallelle functieaanroepen. De expliciete 1106-identiteit houdt dit profiel gescheiden van de 0613-editie, de latere 0125-modelversie en GPT-3.5 Turbo Instruct.
Bereid de taak voor met de relevante tekst, de regels die het antwoord moet volgen en de gewenste vorm van het resultaat. Neem voor een supportantwoord de vraag van de klant en de toepasselijke productfeiten op. Benoem voor extractie de te identificeren velden en leg uit wat moet gebeuren als een veld ontbreekt. Lever voor een codetaak de relevante code, het verwachte gedrag en de op te lossen fout of beperking aan. De context van 16K biedt ruimte voor ondersteunend materiaal; ze belooft niet dat elk detail correct wordt gebruikt of dat het antwoord even lang kan zijn als de invoer.
OpenAI vermeldt een kennisgrens van september 2021 voor de GPT-3.5 Turbo-familie. Lever gezaghebbend materiaal aan als het antwoord afhangt van latere informatie of projectspecifieke feiten. Vraag het model onderscheid te maken tussen wat in de aangeleverde tekst aanwezig is en wat het afleidt. Een verzoek om een antwoord in een bepaald formaat moet dat formaat expliciet definiëren in plaats van het model de velden, eenheden of conventies te laten raden.
JSON-modus richt zich op syntactisch geldige JSON. Dit is nuttig als tekstextractie of classificatie een object nodig heeft dat een toepassing kan parsen. Neem een expliciete instructie op om JSON te produceren en benoem de vereiste sleutels, waardetypen en behandeling van onbekende informatie. OpenAI waarschuwt dat het weglaten van de JSON-instructie tot witruimtegeneratie tot aan de tokenlimiet kan leiden. Een volledig antwoord moet ook worden onderscheiden van uitvoer die wordt onderbroken voordat het object af is.
Geldige JSON garandeert op zichzelf niet dat een bepaald schema wordt gevolgd of dat de waarden correct zijn. Controleer bij recordextractie of de vereiste sleutels aanwezig zijn en of elke geëxtraheerde waarde door de invoer wordt ondersteund. JSON-modus mag niet als de schemagarantie van de latere functie Structured Outputs worden behandeld. Dit onderscheid is belangrijk als de uitvoer een formulier invult, een label selecteert of invoer voor een ander proces wordt.
De 1106-editie ondersteunt parallelle functieaanroepen, zodat het model meer dan één functieaanroep in een antwoord kan voorstellen. Dit kan een taak ondersteunen die verschillende toepassingsspecifieke bewerkingen of onafhankelijke informatieopvragingen nodig heeft. Beschrijf het doel en de verwachte invoer van elke functie duidelijk. De omringende toepassing voert de bewerking uit en levert het resultaat aan; een gegenereerde functieaanroep alleen bewijst niet dat een actie is voltooid. Beoordeel de voorgestelde argumenten en houd een tekstantwoord aan de daadwerkelijk teruggegeven resultaten gekoppeld.
OpenAI’s editieaankondiging documenteert fine-tuning voor het nieuwe GPT-3.5 Turbo-model met 16K. Een gefinetuned model is een afzonderlijk voorbereide variant en geen automatische eigenschap van elk verzoek aan deze basiseditie. Begin voor gewoon gebruik met een duidelijke instructie en relevante voorbeelden van het gewenste antwoord. Voorbeelden bij een extractie- of herschrijfopdracht moeten de belangrijke verschillen tonen, zoals een ontbrekende waarde of een formulering die ongewijzigd moet blijven.
Nuttige uitvoer omvat een supportantwoord op basis van aangeleverde productinformatie, een gecontroleerd JSON-record, een beknopte uitleg van code of een herschreven passage met opgegeven beperkingen. Vergelijk het resultaat met de brontekst en het gevraagde formaat. Controleer voor code de voorgestelde wijziging in het doelproject en voor extractie de waarden en de behandeling van ontbrekende velden. De waarde van deze editie is haar concrete mogelijkheden voor tekst, formaatopvolging en functieaanroepen, toegepast op invoer met een duidelijk beoogd resultaat.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-3.5-turbo-1106 | 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.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.002 / 1K tokens Uitvoer · Uitvoertokens $0.004 / 1K tokens Invoer · Cache lezen $0 / 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": "gpt-3.5-turbo-1106", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-3.5-turbo-1106',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-3.5-turbo-1106',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 gpt-3.5-turbo-1106
Gebruik de hierboven getoonde methodepaden.
gpt-3.5-turbo-1106OpenAI GPT-3.5 Turbo 1106 is de benoemde tekstmodel-editie met een contextvenster van 16K, verbeterde instructieopvolging, JSON-modus en parallelle functieaanroepen. Gebruik het voor gespreksassistentie, tekstextractie en code- of inhoudstaken met een duidelijk gespecificeerde uitvoer.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
OpenAI GPT-3.5 Turbo 1106 is de benoemde GPT-3.5 Turbo-editie met de identificatie gpt-3.5-turbo-1106. Het begrijpt en genereert natuurlijke taal en code, met een op chat gericht ontwerp dat ook teksttaken buiten gesprekken ondersteunt. De gedocumenteerde veranderingen van deze editie omvatten standaard een contextvenster van 16K, verbeterde instructieopvolging, JSON-modus en parallelle functieaanroepen. De expliciete 1106-identiteit houdt dit profiel gescheiden van de 0613-editie, de latere 0125-modelversie en GPT-3.5 Turbo Instruct.
Bereid de taak voor met de relevante tekst, de regels die het antwoord moet volgen en de gewenste vorm van het resultaat. Neem voor een supportantwoord de vraag van de klant en de toepasselijke productfeiten op. Benoem voor extractie de te identificeren velden en leg uit wat moet gebeuren als een veld ontbreekt. Lever voor een codetaak de relevante code, het verwachte gedrag en de op te lossen fout of beperking aan. De context van 16K biedt ruimte voor ondersteunend materiaal; ze belooft niet dat elk detail correct wordt gebruikt of dat het antwoord even lang kan zijn als de invoer.
OpenAI vermeldt een kennisgrens van september 2021 voor de GPT-3.5 Turbo-familie. Lever gezaghebbend materiaal aan als het antwoord afhangt van latere informatie of projectspecifieke feiten. Vraag het model onderscheid te maken tussen wat in de aangeleverde tekst aanwezig is en wat het afleidt. Een verzoek om een antwoord in een bepaald formaat moet dat formaat expliciet definiëren in plaats van het model de velden, eenheden of conventies te laten raden.
JSON-modus richt zich op syntactisch geldige JSON. Dit is nuttig als tekstextractie of classificatie een object nodig heeft dat een toepassing kan parsen. Neem een expliciete instructie op om JSON te produceren en benoem de vereiste sleutels, waardetypen en behandeling van onbekende informatie. OpenAI waarschuwt dat het weglaten van de JSON-instructie tot witruimtegeneratie tot aan de tokenlimiet kan leiden. Een volledig antwoord moet ook worden onderscheiden van uitvoer die wordt onderbroken voordat het object af is.
Geldige JSON garandeert op zichzelf niet dat een bepaald schema wordt gevolgd of dat de waarden correct zijn. Controleer bij recordextractie of de vereiste sleutels aanwezig zijn en of elke geëxtraheerde waarde door de invoer wordt ondersteund. JSON-modus mag niet als de schemagarantie van de latere functie Structured Outputs worden behandeld. Dit onderscheid is belangrijk als de uitvoer een formulier invult, een label selecteert of invoer voor een ander proces wordt.
De 1106-editie ondersteunt parallelle functieaanroepen, zodat het model meer dan één functieaanroep in een antwoord kan voorstellen. Dit kan een taak ondersteunen die verschillende toepassingsspecifieke bewerkingen of onafhankelijke informatieopvragingen nodig heeft. Beschrijf het doel en de verwachte invoer van elke functie duidelijk. De omringende toepassing voert de bewerking uit en levert het resultaat aan; een gegenereerde functieaanroep alleen bewijst niet dat een actie is voltooid. Beoordeel de voorgestelde argumenten en houd een tekstantwoord aan de daadwerkelijk teruggegeven resultaten gekoppeld.
OpenAI’s editieaankondiging documenteert fine-tuning voor het nieuwe GPT-3.5 Turbo-model met 16K. Een gefinetuned model is een afzonderlijk voorbereide variant en geen automatische eigenschap van elk verzoek aan deze basiseditie. Begin voor gewoon gebruik met een duidelijke instructie en relevante voorbeelden van het gewenste antwoord. Voorbeelden bij een extractie- of herschrijfopdracht moeten de belangrijke verschillen tonen, zoals een ontbrekende waarde of een formulering die ongewijzigd moet blijven.
Nuttige uitvoer omvat een supportantwoord op basis van aangeleverde productinformatie, een gecontroleerd JSON-record, een beknopte uitleg van code of een herschreven passage met opgegeven beperkingen. Vergelijk het resultaat met de brontekst en het gevraagde formaat. Controleer voor code de voorgestelde wijziging in het doelproject en voor extractie de waarden en de behandeling van ontbrekende velden. De waarde van deze editie is haar concrete mogelijkheden voor tekst, formaatopvolging en functieaanroepen, toegepast op invoer met een duidelijk beoogd resultaat.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-3.5-turbo-1106 | 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.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.002 / 1K tokens Uitvoer · Uitvoertokens $0.004 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gpt-3.5-turbo-1106",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-3.5-turbo-1106', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-3.5-turbo-1106', '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 gpt-3.5-turbo-1106
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Request an extraction object\n\nExtract an appointment record from: "Visit V-17 is on 12 December at 10:30 with Morgan. No room assigned." Return only a JSON object with keys visit_id, date_text, time_text, contact and room. Use strings for known values and null for the missing room. Do not infer a year or location.One requested JSON object with five keys; room is null and the date remains textual.Parse the returned JSON and compare every value with the sentence; formatting alone does not establish correctness.