GPT-4 Turbo Preview 0125 is OpenAI’s bijgewerkte, tekstgerichte experimentele previeweditie van GPT-4 Turbo. Het verwerkt schriftelijke instructies, bronmateriaal en code en produceert tekstantwoorden of toepassingsgerichte records. De update van januari richt zich specifiek op vollediger taakuitvoering op gebieden zoals codegeneratie en verhelpt een fout die niet-Engelse UTF-8-generatie beïnvloedde. Deze benoemde 0125-editie staat los van de eerdere 1106 Preview en GPT-4 Turbo with Vision.
De Preview-kaart van de leverancier vermeldt een contextvenster van 128.000 tokens en maximaal 4.096 uitvoertokens, met een kennisgrens van 1 december 2023. Het grote invoervenster kan samenhangende documenten of code naast een gedetailleerde vraag bevatten; de uitvoergrens is veel kleiner en moet het gevraagde resultaat bepalen. Lever actueel bewijsmateriaal aan als een vraag afhangt van informatie buiten de opgeslagen kennis van het model.
Neem voor een vergelijking van eisen de relevante documenten op, benoem welke bron voorrang heeft bij een tegenstrijdigheid en vraag om de gewijzigde eis, de ondersteunende passage en het effect op het opgegeven proces. Geef voor een codetaak het te bereiken gedrag, de relevante functies en het verwachte resultaat op. Vraag om een volledige wijziging binnen die reikwijdte en benoem wat als voltooiing geldt, in plaats van een overtuigend fragment als de hele taak te behandelen.
De GPT-4 Turbo Preview-familie voegt betere naleving van formaten en JSON-modus toe. De leverancier beschrijft JSON-modus als een beperking van het antwoord tot syntactisch geldige JSON; die verifieert niet zelfstandig of een veldwaarde correct is of een record aan elke bedrijfsregel voldoet. Definieer de velden, toegestane waarden en de behandeling van ontbrekende informatie in de instructie en toets het teruggegeven object vervolgens aan die eisen. Instrueer bij gebruik van de JSON-modus van de maker expliciet dat het model JSON moet produceren en neem het woord “JSON” in het gesprek op. Zonder die instructie kan het witruimte produceren tot de tokenlimiet; controleer of een volledig object is teruggegeven.
Een extractietaak kan vragen om een itemidentificatie, de brontekst die de status vaststelt en de volgende actie die door dat bewijsmateriaal wordt ondersteund. Bewaar het oorspronkelijke materiaal bij het record, zodat een waarde kan worden gecontroleerd. Een parser die de teruggegeven JSON accepteert is één deel van het proces; een juiste koppeling tussen de bron en de geëxtraheerde velden is een ander deel.
OpenAI’s Preview-publicatie documenteert functieaanroepen, waaronder het aanvragen van verschillende functies in één bericht. De ontwikkelaar beschrijft elke functie en haar parameters en het model retourneert argumenten voor de gevraagde bewerking. De omringende toepassing voert de bewerking uit en retourneert het daadwerkelijke resultaat. Een opzoekverzoek staat dus los van het opgehaalde record en een voorgestelde actie van haar voltooiing.
Bied functies aan die bij de taak passen en benoem het bewijsmateriaal dat het volgende antwoord moet gebruiken. Een vergelijkingsassistent kan de records van twee benoemde items opvragen en hun verschillen vervolgens aan de hand van de teruggegeven waarden uitleggen. Behoud de betreffende toestand als een opvraging mislukt of onvolledig materiaal geeft, in plaats van een aannemelijke vervanging te maken. Bewaar de functie-identificaties en resultaten bij het vervolg.
De seed-instelling van de Preview-familie is gedocumenteerd als een bètahulpmiddel om meestal consistente resultaten te verkrijgen. Ze is nuttig om een promptwijziging te vergelijken terwijl andere instellingen gelijk blijven; ze garandeert niet dat elk herhaald verzoek identieke uitvoer produceert. Bewaar de instructie, het bronmateriaal en de instellingen bij elkaar als je antwoorden vergelijkt.
De vermelde modaliteiten van dit profiel zijn tekstinvoer en tekstuitvoer. Beeldanalyse behoort tot de afzonderlijk benoemde Vision Preview of latere multimodale profielen. JSON-modus staat ook los van nieuwere functies met afgedwongen schema's. De verbeteringen in volledigheid en codering van de 0125-update nemen niet de noodzaak weg om een codewijziging, geëxtraheerd veld of conclusie aan het aangeleverde bewijsmateriaal te toetsen. Kies een afgebakend resultaat dat binnen de uitvoergrens past en behoud de exact benoemde editie bij het resultaat.
", "aboutText": "GPT-4 Turbo Preview 0125 is OpenAI’s bijgewerkte, tekstgerichte experimentele previeweditie van GPT-4 Turbo. Het verwerkt schriftelijke instructies, bronmateriaal en code en produceert tekstantwoorden of toepassingsgerichte records. De update van januari richt zich specifiek op vollediger taakuitvoering op gebieden zoals codegeneratie en verhelpt een fout die niet-Engelse UTF-8-generatie beïnvloedde. Deze benoemde 0125-editie staat los van de eerdere 1106 Preview en GPT-4 Turbo with Vision.\n\n### Tekstwerk met grote context\n\nDe Preview-kaart van de leverancier vermeldt een contextvenster van 128.000 tokens en maximaal 4.096 uitvoertokens, met een kennisgrens van 1 december 2023. Het grote invoervenster kan samenhangende documenten of code naast een gedetailleerde vraag bevatten; de uitvoergrens is veel kleiner en moet het gevraagde resultaat bepalen. Lever actueel bewijsmateriaal aan als een vraag afhangt van informatie buiten de opgeslagen kennis van het model.\n\nNeem voor een vergelijking van eisen de relevante documenten op, benoem welke bron voorrang heeft bij een tegenstrijdigheid en vraag om de gewijzigde eis, de ondersteunende passage en het effect op het opgegeven proces. Geef voor een codetaak het te bereiken gedrag, de relevante functies en het verwachte resultaat op. Vraag om een volledige wijziging binnen die reikwijdte en benoem wat als voltooiing geldt, in plaats van een overtuigend fragment als de hele taak te behandelen.\n\n### Formaten en JSON-modus\n\nDe GPT-4 Turbo Preview-familie voegt betere naleving van formaten en JSON-modus toe. De leverancier beschrijft JSON-modus als een beperking van het antwoord tot syntactisch geldige JSON; die verifieert niet zelfstandig of een veldwaarde correct is of een record aan elke bedrijfsregel voldoet. Definieer de velden, toegestane waarden en de behandeling van ontbrekende informatie in de instructie en toets het teruggegeven object vervolgens aan die eisen. Instrueer bij gebruik van de JSON-modus van de maker expliciet dat het model JSON moet produceren en neem het woord “JSON” in het gesprek op. Zonder die instructie kan het witruimte produceren tot de tokenlimiet; controleer of een volledig object is teruggegeven.\n\nEen extractietaak kan vragen om een itemidentificatie, de brontekst die de status vaststelt en de volgende actie die door dat bewijsmateriaal wordt ondersteund. Bewaar het oorspronkelijke materiaal bij het record, zodat een waarde kan worden gecontroleerd. Een parser die de teruggegeven JSON accepteert is één deel van het proces; een juiste koppeling tussen de bron en de geëxtraheerde velden is een ander deel.\n\n### Functieaanroepen en daadwerkelijke resultaten\n\nOpenAI’s Preview-publicatie documenteert functieaanroepen, waaronder het aanvragen van verschillende functies in één bericht. De ontwikkelaar beschrijft elke functie en haar parameters en het model retourneert argumenten voor de gevraagde bewerking. De omringende toepassing voert de bewerking uit en retourneert het daadwerkelijke resultaat. Een opzoekverzoek staat dus los van het opgehaalde record en een voorgestelde actie van haar voltooiing.\n\nBied functies aan die bij de taak passen en benoem het bewijsmateriaal dat het volgende antwoord moet gebruiken. Een vergelijkingsassistent kan de records van twee benoemde items opvragen en hun verschillen vervolgens aan de hand van de teruggegeven waarden uitleggen. Behoud de betreffende toestand als een opvraging mislukt of onvolledig materiaal geeft, in plaats van een aannemelijke vervanging te maken. Bewaar de functie-identificaties en resultaten bij het vervolg.\n\n### Herhaalbaarheid en editiegrenzen\n\nDe seed-instelling van de Preview-familie is gedocumenteerd als een bètahulpmiddel om meestal consistente resultaten te verkrijgen. Ze is nuttig om een promptwijziging te vergelijken terwijl andere instellingen gelijk blijven; ze garandeert niet dat elk herhaald verzoek identieke uitvoer produceert. Bewaar de instructie, het bronmateriaal en de instellingen bij elkaar als je antwoorden vergelijkt.\n\nDe vermelde modaliteiten van dit profiel zijn tekstinvoer en tekstuitvoer. Beeldanalyse behoort tot de afzonderlijk benoemde Vision Preview of latere multimodale profielen. JSON-modus staat ook los van nieuwere functies met afgedwongen schema's. De verbeteringen in volledigheid en codering van de 0125-update nemen niet de noodzaak weg om een codewijziging, geëxtraheerd veld of conclusie aan het aangeleverde bewijsmateriaal te toetsen. Kies een afgebakend resultaat dat binnen de uitvoergrens past en behoud de exact benoemde editie bij het resultaat.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Complete a CSV escaping function\n\nWrite a complete Python function csv_cell(value) that converts value to text and wraps it in double quotes only when it contains a comma, double quote or newline. Embedded double quotes must be doubled. Return the function and tests for plain text, a comma, a quotation mark and a newline. Use no third-party packages.A complete function and four concrete test cases covering each escaping condition.The quotation-mark test checks both outer quoting and doubling of the embedded quote.gpt-4-0125-previewGPT-4 Turbo Preview 0125 verwerkt tekst- en codetaken met lange context binnen een gedocumenteerd contextvenster van 128K. JSON-modus en functieaanroepen helpen aangeleverd materiaal om te zetten in tekstantwoorden of toepassingsrecords, waarbij de exacte Preview-editie onderscheiden blijft van modellen met beeldbegrip en latere modellen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-4 Turbo Preview 0125 is OpenAI’s bijgewerkte, tekstgerichte experimentele previeweditie van GPT-4 Turbo. Het verwerkt schriftelijke instructies, bronmateriaal en code en produceert tekstantwoorden of toepassingsgerichte records. De update van januari richt zich specifiek op vollediger taakuitvoering op gebieden zoals codegeneratie en verhelpt een fout die niet-Engelse UTF-8-generatie beïnvloedde. Deze benoemde 0125-editie staat los van de eerdere 1106 Preview en GPT-4 Turbo with Vision.
De Preview-kaart van de leverancier vermeldt een contextvenster van 128.000 tokens en maximaal 4.096 uitvoertokens, met een kennisgrens van 1 december 2023. Het grote invoervenster kan samenhangende documenten of code naast een gedetailleerde vraag bevatten; de uitvoergrens is veel kleiner en moet het gevraagde resultaat bepalen. Lever actueel bewijsmateriaal aan als een vraag afhangt van informatie buiten de opgeslagen kennis van het model.
Neem voor een vergelijking van eisen de relevante documenten op, benoem welke bron voorrang heeft bij een tegenstrijdigheid en vraag om de gewijzigde eis, de ondersteunende passage en het effect op het opgegeven proces. Geef voor een codetaak het te bereiken gedrag, de relevante functies en het verwachte resultaat op. Vraag om een volledige wijziging binnen die reikwijdte en benoem wat als voltooiing geldt, in plaats van een overtuigend fragment als de hele taak te behandelen.
De GPT-4 Turbo Preview-familie voegt betere naleving van formaten en JSON-modus toe. De leverancier beschrijft JSON-modus als een beperking van het antwoord tot syntactisch geldige JSON; die verifieert niet zelfstandig of een veldwaarde correct is of een record aan elke bedrijfsregel voldoet. Definieer de velden, toegestane waarden en de behandeling van ontbrekende informatie in de instructie en toets het teruggegeven object vervolgens aan die eisen. Instrueer bij gebruik van de JSON-modus van de maker expliciet dat het model JSON moet produceren en neem het woord “JSON” in het gesprek op. Zonder die instructie kan het witruimte produceren tot de tokenlimiet; controleer of een volledig object is teruggegeven.
Een extractietaak kan vragen om een itemidentificatie, de brontekst die de status vaststelt en de volgende actie die door dat bewijsmateriaal wordt ondersteund. Bewaar het oorspronkelijke materiaal bij het record, zodat een waarde kan worden gecontroleerd. Een parser die de teruggegeven JSON accepteert is één deel van het proces; een juiste koppeling tussen de bron en de geëxtraheerde velden is een ander deel.
OpenAI’s Preview-publicatie documenteert functieaanroepen, waaronder het aanvragen van verschillende functies in één bericht. De ontwikkelaar beschrijft elke functie en haar parameters en het model retourneert argumenten voor de gevraagde bewerking. De omringende toepassing voert de bewerking uit en retourneert het daadwerkelijke resultaat. Een opzoekverzoek staat dus los van het opgehaalde record en een voorgestelde actie van haar voltooiing.
Bied functies aan die bij de taak passen en benoem het bewijsmateriaal dat het volgende antwoord moet gebruiken. Een vergelijkingsassistent kan de records van twee benoemde items opvragen en hun verschillen vervolgens aan de hand van de teruggegeven waarden uitleggen. Behoud de betreffende toestand als een opvraging mislukt of onvolledig materiaal geeft, in plaats van een aannemelijke vervanging te maken. Bewaar de functie-identificaties en resultaten bij het vervolg.
De seed-instelling van de Preview-familie is gedocumenteerd als een bètahulpmiddel om meestal consistente resultaten te verkrijgen. Ze is nuttig om een promptwijziging te vergelijken terwijl andere instellingen gelijk blijven; ze garandeert niet dat elk herhaald verzoek identieke uitvoer produceert. Bewaar de instructie, het bronmateriaal en de instellingen bij elkaar als je antwoorden vergelijkt.
De vermelde modaliteiten van dit profiel zijn tekstinvoer en tekstuitvoer. Beeldanalyse behoort tot de afzonderlijk benoemde Vision Preview of latere multimodale profielen. JSON-modus staat ook los van nieuwere functies met afgedwongen schema's. De verbeteringen in volledigheid en codering van de 0125-update nemen niet de noodzaak weg om een codewijziging, geëxtraheerd veld of conclusie aan het aangeleverde bewijsmateriaal te toetsen. Kies een afgebakend resultaat dat binnen de uitvoergrens past en behoud de exact benoemde editie bij het resultaat.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-4-0125-preview | 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 $0.02 / 1K tokens Uitvoer · Uitvoertokens $0.06 / 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-4-0125-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-4-0125-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-4-0125-preview',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-4-0125-preview
Gebruik de hierboven getoonde methodepaden.
gpt-4-0125-previewGPT-4 Turbo Preview 0125 verwerkt tekst- en codetaken met lange context binnen een gedocumenteerd contextvenster van 128K. JSON-modus en functieaanroepen helpen aangeleverd materiaal om te zetten in tekstantwoorden of toepassingsrecords, waarbij de exacte Preview-editie onderscheiden blijft van modellen met beeldbegrip en latere modellen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-4 Turbo Preview 0125 is OpenAI’s bijgewerkte, tekstgerichte experimentele previeweditie van GPT-4 Turbo. Het verwerkt schriftelijke instructies, bronmateriaal en code en produceert tekstantwoorden of toepassingsgerichte records. De update van januari richt zich specifiek op vollediger taakuitvoering op gebieden zoals codegeneratie en verhelpt een fout die niet-Engelse UTF-8-generatie beïnvloedde. Deze benoemde 0125-editie staat los van de eerdere 1106 Preview en GPT-4 Turbo with Vision.
De Preview-kaart van de leverancier vermeldt een contextvenster van 128.000 tokens en maximaal 4.096 uitvoertokens, met een kennisgrens van 1 december 2023. Het grote invoervenster kan samenhangende documenten of code naast een gedetailleerde vraag bevatten; de uitvoergrens is veel kleiner en moet het gevraagde resultaat bepalen. Lever actueel bewijsmateriaal aan als een vraag afhangt van informatie buiten de opgeslagen kennis van het model.
Neem voor een vergelijking van eisen de relevante documenten op, benoem welke bron voorrang heeft bij een tegenstrijdigheid en vraag om de gewijzigde eis, de ondersteunende passage en het effect op het opgegeven proces. Geef voor een codetaak het te bereiken gedrag, de relevante functies en het verwachte resultaat op. Vraag om een volledige wijziging binnen die reikwijdte en benoem wat als voltooiing geldt, in plaats van een overtuigend fragment als de hele taak te behandelen.
De GPT-4 Turbo Preview-familie voegt betere naleving van formaten en JSON-modus toe. De leverancier beschrijft JSON-modus als een beperking van het antwoord tot syntactisch geldige JSON; die verifieert niet zelfstandig of een veldwaarde correct is of een record aan elke bedrijfsregel voldoet. Definieer de velden, toegestane waarden en de behandeling van ontbrekende informatie in de instructie en toets het teruggegeven object vervolgens aan die eisen. Instrueer bij gebruik van de JSON-modus van de maker expliciet dat het model JSON moet produceren en neem het woord “JSON” in het gesprek op. Zonder die instructie kan het witruimte produceren tot de tokenlimiet; controleer of een volledig object is teruggegeven.
Een extractietaak kan vragen om een itemidentificatie, de brontekst die de status vaststelt en de volgende actie die door dat bewijsmateriaal wordt ondersteund. Bewaar het oorspronkelijke materiaal bij het record, zodat een waarde kan worden gecontroleerd. Een parser die de teruggegeven JSON accepteert is één deel van het proces; een juiste koppeling tussen de bron en de geëxtraheerde velden is een ander deel.
OpenAI’s Preview-publicatie documenteert functieaanroepen, waaronder het aanvragen van verschillende functies in één bericht. De ontwikkelaar beschrijft elke functie en haar parameters en het model retourneert argumenten voor de gevraagde bewerking. De omringende toepassing voert de bewerking uit en retourneert het daadwerkelijke resultaat. Een opzoekverzoek staat dus los van het opgehaalde record en een voorgestelde actie van haar voltooiing.
Bied functies aan die bij de taak passen en benoem het bewijsmateriaal dat het volgende antwoord moet gebruiken. Een vergelijkingsassistent kan de records van twee benoemde items opvragen en hun verschillen vervolgens aan de hand van de teruggegeven waarden uitleggen. Behoud de betreffende toestand als een opvraging mislukt of onvolledig materiaal geeft, in plaats van een aannemelijke vervanging te maken. Bewaar de functie-identificaties en resultaten bij het vervolg.
De seed-instelling van de Preview-familie is gedocumenteerd als een bètahulpmiddel om meestal consistente resultaten te verkrijgen. Ze is nuttig om een promptwijziging te vergelijken terwijl andere instellingen gelijk blijven; ze garandeert niet dat elk herhaald verzoek identieke uitvoer produceert. Bewaar de instructie, het bronmateriaal en de instellingen bij elkaar als je antwoorden vergelijkt.
De vermelde modaliteiten van dit profiel zijn tekstinvoer en tekstuitvoer. Beeldanalyse behoort tot de afzonderlijk benoemde Vision Preview of latere multimodale profielen. JSON-modus staat ook los van nieuwere functies met afgedwongen schema's. De verbeteringen in volledigheid en codering van de 0125-update nemen niet de noodzaak weg om een codewijziging, geëxtraheerd veld of conclusie aan het aangeleverde bewijsmateriaal te toetsen. Kies een afgebakend resultaat dat binnen de uitvoergrens past en behoud de exact benoemde editie bij het resultaat.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-4-0125-preview | 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 $0.02 / 1K tokens Uitvoer · Uitvoertokens $0.06 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gpt-4-0125-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4-0125-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4-0125-preview', '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-4-0125-preview
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Complete a CSV escaping function\n\nWrite a complete Python function csv_cell(value) that converts value to text and wraps it in double quotes only when it contains a comma, double quote or newline. Embedded double quotes must be doubled. Return the function and tests for plain text, a comma, a quotation mark and a newline. Use no third-party packages.A complete function and four concrete test cases covering each escaping condition.The quotation-mark test checks both outer quoting and doubling of the embedded quote.