OpenAI GPT-3.5 Turbo 1106 to nazwana edycja GPT-3.5 Turbo o identyfikatorze gpt-3.5-turbo-1106. Rozumie i generuje język naturalny oraz kod, a konstrukcja ukierunkowana na czat wspiera także zadania tekstowe niezwiązane z rozmową. Udokumentowane zmiany edycji obejmują domyślne okno kontekstowe 16K, lepsze przestrzeganie instrukcji, tryb JSON i równoległe wywoływanie funkcji. Wyraźna tożsamość 1106 oddziela ten profil od edycji 0613, późniejszej migawki 0125 i GPT-3.5 Turbo Instruct.
Przygotuj zadanie, podając istotny tekst, reguły, których odpowiedź musi przestrzegać, oraz oczekiwaną formę wyniku. Przy odpowiedzi obsługi klienta uwzględnij pytanie klienta i mające zastosowanie fakty o produkcie. Przy wydobywaniu danych nazwij pola do zidentyfikowania i wyjaśnij, co zrobić, gdy pola brakuje. Przy zadaniu programistycznym przekaż istotny kod, oczekiwane zachowanie oraz błąd lub ograniczenie do rozwiązania. Limit kontekstu 16K zapewnia miejsce na materiały pomocnicze; nie obiecuje poprawnego wykorzystania każdego szczegółu ani odpowiedzi równie długiej jak wejście.
OpenAI podaje wrzesień 2021 roku jako datę graniczną wiedzy rodziny GPT-3.5 Turbo. Przekaż autorytatywne materiały, gdy odpowiedź zależy od późniejszych informacji lub faktów właściwych dla Twojego projektu. Poproś model, by oddzielił to, co znajduje się w dostarczonym tekście, od swoich wniosków. Żądanie odpowiedzi w konkretnym formacie powinno wyraźnie definiować ten format, zamiast polegać na zgadywaniu pól, jednostek lub konwencji przez model.
Tryb JSON ma na celu tworzenie poprawnego składniowo JSON. Jest przydatny, gdy wydobywanie danych lub klasyfikacja tekstu wymagają obiektu, który aplikacja może przeanalizować. Dodaj wyraźną instrukcję tworzenia JSON i określ wymagane klucze, typy wartości oraz sposób postępowania z nieznanymi informacjami. OpenAI ostrzega, że pominięcie instrukcji JSON może prowadzić do generowania białych znaków aż do osiągnięcia limitu tokenów. Trzeba także odróżnić pełną odpowiedź od wyjścia przerwanego przed ukończeniem obiektu.
Poprawny JSON sam w sobie nie gwarantuje zgodności z konkretnym schematem ani poprawności jego wartości. Przy wydobywaniu rekordów sprawdź obecność wymaganych kluczy i oparcie każdej wydobytej wartości w wejściu. Trybu JSON nie należy traktować jak gwarancji schematu oferowanej przez późniejszą funkcję Structured Outputs. To rozróżnienie ma znaczenie, gdy wyjście ma wypełniać formularz, wybierać etykietę lub stanowić wejście do innego przepływu.
Edycja 1106 obsługuje równoległe wywoływanie funkcji, dzięki czemu model może zaproponować więcej niż jedno wywołanie w odpowiedzi. Może to wspierać zadanie wymagające kilku operacji zdefiniowanych przez aplikację lub niezależnych wyszukiwań informacji. Jasno opisz przeznaczenie każdej funkcji i jej oczekiwane wejścia. Otaczająca aplikacja wykonuje operację i dostarcza wynik; samo wygenerowane wywołanie funkcji nie dowodzi ukończenia działania. Sprawdź proponowane argumenty i zachowaj powiązanie odpowiedzi tekstowej z faktycznie zwróconymi wynikami.
Komunikat OpenAI o tej edycji dokumentuje dostrajanie nowego modelu GPT-3.5 Turbo z kontekstem 16K. Dostrojony model jest osobno przygotowanym wariantem, a nie automatyczną właściwością każdego żądania do tej edycji bazowej. W zwykłym użyciu zacznij od jasnej instrukcji i istotnych przykładów oczekiwanej odpowiedzi. Przy przygotowywaniu zadania wydobywania danych lub przeredagowywania przykłady powinny pokazywać ważne rozróżnienia, takie jak brakująca wartość lub fraza, która musi pozostać niezmieniona.
Przydatne wyniki obejmują odpowiedź obsługi klienta opartą na dostarczonych informacjach o produkcie, sprawdzony rekord JSON, zwięzłe wyjaśnienie kodu lub fragment przeredagowany według wskazanych ograniczeń. Porównaj wynik z tekstem źródłowym i wymaganym formatem. W przypadku kodu sprawdź proponowaną zmianę w docelowym projekcie; przy wydobywaniu danych sprawdź wartości i obsługę brakujących pól. Wartość tej edycji polega na zastosowaniu konkretnych możliwości tekstowych, przestrzegania formatu i wywoływania funkcji do wejścia o jasno określonym oczekiwanym wyniku.
", "aboutText": "OpenAI GPT-3.5 Turbo 1106 to nazwana edycja GPT-3.5 Turbo o identyfikatorze gpt-3.5-turbo-1106. Rozumie i generuje język naturalny oraz kod, a konstrukcja ukierunkowana na czat wspiera także zadania tekstowe niezwiązane z rozmową. Udokumentowane zmiany edycji obejmują domyślne okno kontekstowe 16K, lepsze przestrzeganie instrukcji, tryb JSON i równoległe wywoływanie funkcji. Wyraźna tożsamość 1106 oddziela ten profil od edycji 0613, późniejszej migawki 0125 i GPT-3.5 Turbo Instruct.\n\n### Instrukcje i kontekst wejściowy\n\nPrzygotuj zadanie, podając istotny tekst, reguły, których odpowiedź musi przestrzegać, oraz oczekiwaną formę wyniku. Przy odpowiedzi obsługi klienta uwzględnij pytanie klienta i mające zastosowanie fakty o produkcie. Przy wydobywaniu danych nazwij pola do zidentyfikowania i wyjaśnij, co zrobić, gdy pola brakuje. Przy zadaniu programistycznym przekaż istotny kod, oczekiwane zachowanie oraz błąd lub ograniczenie do rozwiązania. Limit kontekstu 16K zapewnia miejsce na materiały pomocnicze; nie obiecuje poprawnego wykorzystania każdego szczegółu ani odpowiedzi równie długiej jak wejście.\n\nOpenAI podaje wrzesień 2021 roku jako datę graniczną wiedzy rodziny GPT-3.5 Turbo. Przekaż autorytatywne materiały, gdy odpowiedź zależy od późniejszych informacji lub faktów właściwych dla Twojego projektu. Poproś model, by oddzielił to, co znajduje się w dostarczonym tekście, od swoich wniosków. Żądanie odpowiedzi w konkretnym formacie powinno wyraźnie definiować ten format, zamiast polegać na zgadywaniu pól, jednostek lub konwencji przez model.\n\n### Tryb JSON i sprawdzanie schematu\n\nTryb JSON ma na celu tworzenie poprawnego składniowo JSON. Jest przydatny, gdy wydobywanie danych lub klasyfikacja tekstu wymagają obiektu, który aplikacja może przeanalizować. Dodaj wyraźną instrukcję tworzenia JSON i określ wymagane klucze, typy wartości oraz sposób postępowania z nieznanymi informacjami. OpenAI ostrzega, że pominięcie instrukcji JSON może prowadzić do generowania białych znaków aż do osiągnięcia limitu tokenów. Trzeba także odróżnić pełną odpowiedź od wyjścia przerwanego przed ukończeniem obiektu.\n\nPoprawny JSON sam w sobie nie gwarantuje zgodności z konkretnym schematem ani poprawności jego wartości. Przy wydobywaniu rekordów sprawdź obecność wymaganych kluczy i oparcie każdej wydobytej wartości w wejściu. Trybu JSON nie należy traktować jak gwarancji schematu oferowanej przez późniejszą funkcję Structured Outputs. To rozróżnienie ma znaczenie, gdy wyjście ma wypełniać formularz, wybierać etykietę lub stanowić wejście do innego przepływu.\n\n### Równoległe wywoływanie funkcji\n\nEdycja 1106 obsługuje równoległe wywoływanie funkcji, dzięki czemu model może zaproponować więcej niż jedno wywołanie w odpowiedzi. Może to wspierać zadanie wymagające kilku operacji zdefiniowanych przez aplikację lub niezależnych wyszukiwań informacji. Jasno opisz przeznaczenie każdej funkcji i jej oczekiwane wejścia. Otaczająca aplikacja wykonuje operację i dostarcza wynik; samo wygenerowane wywołanie funkcji nie dowodzi ukończenia działania. Sprawdź proponowane argumenty i zachowaj powiązanie odpowiedzi tekstowej z faktycznie zwróconymi wynikami.\n\n### Dostrajanie i praktyczne użycie\n\nKomunikat OpenAI o tej edycji dokumentuje dostrajanie nowego modelu GPT-3.5 Turbo z kontekstem 16K. Dostrojony model jest osobno przygotowanym wariantem, a nie automatyczną właściwością każdego żądania do tej edycji bazowej. W zwykłym użyciu zacznij od jasnej instrukcji i istotnych przykładów oczekiwanej odpowiedzi. Przy przygotowywaniu zadania wydobywania danych lub przeredagowywania przykłady powinny pokazywać ważne rozróżnienia, takie jak brakująca wartość lub fraza, która musi pozostać niezmieniona.\n\nPrzydatne wyniki obejmują odpowiedź obsługi klienta opartą na dostarczonych informacjach o produkcie, sprawdzony rekord JSON, zwięzłe wyjaśnienie kodu lub fragment przeredagowany według wskazanych ograniczeń. Porównaj wynik z tekstem źródłowym i wymaganym formatem. W przypadku kodu sprawdź proponowaną zmianę w docelowym projekcie; przy wydobywaniu danych sprawdź wartości i obsługę brakujących pól. Wartość tej edycji polega na zastosowaniu konkretnych możliwości tekstowych, przestrzegania formatu i wywoływania funkcji do wejścia o jasno określonym oczekiwanym wyniku.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
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 to nazwana edycja modelu tekstowego z oknem kontekstowym 16K, lepszym przestrzeganiem instrukcji, trybem JSON i równoległym wywoływaniem funkcji. Używaj jej do pomocy w rozmowie, wydobywania informacji z tekstu oraz zadań programistycznych lub treściowych z jasno określonym wynikiem.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
OpenAI GPT-3.5 Turbo 1106 to nazwana edycja GPT-3.5 Turbo o identyfikatorze gpt-3.5-turbo-1106. Rozumie i generuje język naturalny oraz kod, a konstrukcja ukierunkowana na czat wspiera także zadania tekstowe niezwiązane z rozmową. Udokumentowane zmiany edycji obejmują domyślne okno kontekstowe 16K, lepsze przestrzeganie instrukcji, tryb JSON i równoległe wywoływanie funkcji. Wyraźna tożsamość 1106 oddziela ten profil od edycji 0613, późniejszej migawki 0125 i GPT-3.5 Turbo Instruct.
Przygotuj zadanie, podając istotny tekst, reguły, których odpowiedź musi przestrzegać, oraz oczekiwaną formę wyniku. Przy odpowiedzi obsługi klienta uwzględnij pytanie klienta i mające zastosowanie fakty o produkcie. Przy wydobywaniu danych nazwij pola do zidentyfikowania i wyjaśnij, co zrobić, gdy pola brakuje. Przy zadaniu programistycznym przekaż istotny kod, oczekiwane zachowanie oraz błąd lub ograniczenie do rozwiązania. Limit kontekstu 16K zapewnia miejsce na materiały pomocnicze; nie obiecuje poprawnego wykorzystania każdego szczegółu ani odpowiedzi równie długiej jak wejście.
OpenAI podaje wrzesień 2021 roku jako datę graniczną wiedzy rodziny GPT-3.5 Turbo. Przekaż autorytatywne materiały, gdy odpowiedź zależy od późniejszych informacji lub faktów właściwych dla Twojego projektu. Poproś model, by oddzielił to, co znajduje się w dostarczonym tekście, od swoich wniosków. Żądanie odpowiedzi w konkretnym formacie powinno wyraźnie definiować ten format, zamiast polegać na zgadywaniu pól, jednostek lub konwencji przez model.
Tryb JSON ma na celu tworzenie poprawnego składniowo JSON. Jest przydatny, gdy wydobywanie danych lub klasyfikacja tekstu wymagają obiektu, który aplikacja może przeanalizować. Dodaj wyraźną instrukcję tworzenia JSON i określ wymagane klucze, typy wartości oraz sposób postępowania z nieznanymi informacjami. OpenAI ostrzega, że pominięcie instrukcji JSON może prowadzić do generowania białych znaków aż do osiągnięcia limitu tokenów. Trzeba także odróżnić pełną odpowiedź od wyjścia przerwanego przed ukończeniem obiektu.
Poprawny JSON sam w sobie nie gwarantuje zgodności z konkretnym schematem ani poprawności jego wartości. Przy wydobywaniu rekordów sprawdź obecność wymaganych kluczy i oparcie każdej wydobytej wartości w wejściu. Trybu JSON nie należy traktować jak gwarancji schematu oferowanej przez późniejszą funkcję Structured Outputs. To rozróżnienie ma znaczenie, gdy wyjście ma wypełniać formularz, wybierać etykietę lub stanowić wejście do innego przepływu.
Edycja 1106 obsługuje równoległe wywoływanie funkcji, dzięki czemu model może zaproponować więcej niż jedno wywołanie w odpowiedzi. Może to wspierać zadanie wymagające kilku operacji zdefiniowanych przez aplikację lub niezależnych wyszukiwań informacji. Jasno opisz przeznaczenie każdej funkcji i jej oczekiwane wejścia. Otaczająca aplikacja wykonuje operację i dostarcza wynik; samo wygenerowane wywołanie funkcji nie dowodzi ukończenia działania. Sprawdź proponowane argumenty i zachowaj powiązanie odpowiedzi tekstowej z faktycznie zwróconymi wynikami.
Komunikat OpenAI o tej edycji dokumentuje dostrajanie nowego modelu GPT-3.5 Turbo z kontekstem 16K. Dostrojony model jest osobno przygotowanym wariantem, a nie automatyczną właściwością każdego żądania do tej edycji bazowej. W zwykłym użyciu zacznij od jasnej instrukcji i istotnych przykładów oczekiwanej odpowiedzi. Przy przygotowywaniu zadania wydobywania danych lub przeredagowywania przykłady powinny pokazywać ważne rozróżnienia, takie jak brakująca wartość lub fraza, która musi pozostać niezmieniona.
Przydatne wyniki obejmują odpowiedź obsługi klienta opartą na dostarczonych informacjach o produkcie, sprawdzony rekord JSON, zwięzłe wyjaśnienie kodu lub fragment przeredagowany według wskazanych ograniczeń. Porównaj wynik z tekstem źródłowym i wymaganym formatem. W przypadku kodu sprawdź proponowaną zmianę w docelowym projekcie; przy wydobywaniu danych sprawdź wartości i obsługę brakujących pól. Wartość tej edycji polega na zastosowaniu konkretnych możliwości tekstowych, przestrzegania formatu i wywoływania funkcji do wejścia o jasno określonym oczekiwanym wyniku.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gpt-3.5-turbo-1106 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.004 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra gpt-3.5-turbo-1106
Użyj ścieżek metod podanych powyżej.
gpt-3.5-turbo-1106OpenAI GPT-3.5 Turbo 1106 to nazwana edycja modelu tekstowego z oknem kontekstowym 16K, lepszym przestrzeganiem instrukcji, trybem JSON i równoległym wywoływaniem funkcji. Używaj jej do pomocy w rozmowie, wydobywania informacji z tekstu oraz zadań programistycznych lub treściowych z jasno określonym wynikiem.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
OpenAI GPT-3.5 Turbo 1106 to nazwana edycja GPT-3.5 Turbo o identyfikatorze gpt-3.5-turbo-1106. Rozumie i generuje język naturalny oraz kod, a konstrukcja ukierunkowana na czat wspiera także zadania tekstowe niezwiązane z rozmową. Udokumentowane zmiany edycji obejmują domyślne okno kontekstowe 16K, lepsze przestrzeganie instrukcji, tryb JSON i równoległe wywoływanie funkcji. Wyraźna tożsamość 1106 oddziela ten profil od edycji 0613, późniejszej migawki 0125 i GPT-3.5 Turbo Instruct.
Przygotuj zadanie, podając istotny tekst, reguły, których odpowiedź musi przestrzegać, oraz oczekiwaną formę wyniku. Przy odpowiedzi obsługi klienta uwzględnij pytanie klienta i mające zastosowanie fakty o produkcie. Przy wydobywaniu danych nazwij pola do zidentyfikowania i wyjaśnij, co zrobić, gdy pola brakuje. Przy zadaniu programistycznym przekaż istotny kod, oczekiwane zachowanie oraz błąd lub ograniczenie do rozwiązania. Limit kontekstu 16K zapewnia miejsce na materiały pomocnicze; nie obiecuje poprawnego wykorzystania każdego szczegółu ani odpowiedzi równie długiej jak wejście.
OpenAI podaje wrzesień 2021 roku jako datę graniczną wiedzy rodziny GPT-3.5 Turbo. Przekaż autorytatywne materiały, gdy odpowiedź zależy od późniejszych informacji lub faktów właściwych dla Twojego projektu. Poproś model, by oddzielił to, co znajduje się w dostarczonym tekście, od swoich wniosków. Żądanie odpowiedzi w konkretnym formacie powinno wyraźnie definiować ten format, zamiast polegać na zgadywaniu pól, jednostek lub konwencji przez model.
Tryb JSON ma na celu tworzenie poprawnego składniowo JSON. Jest przydatny, gdy wydobywanie danych lub klasyfikacja tekstu wymagają obiektu, który aplikacja może przeanalizować. Dodaj wyraźną instrukcję tworzenia JSON i określ wymagane klucze, typy wartości oraz sposób postępowania z nieznanymi informacjami. OpenAI ostrzega, że pominięcie instrukcji JSON może prowadzić do generowania białych znaków aż do osiągnięcia limitu tokenów. Trzeba także odróżnić pełną odpowiedź od wyjścia przerwanego przed ukończeniem obiektu.
Poprawny JSON sam w sobie nie gwarantuje zgodności z konkretnym schematem ani poprawności jego wartości. Przy wydobywaniu rekordów sprawdź obecność wymaganych kluczy i oparcie każdej wydobytej wartości w wejściu. Trybu JSON nie należy traktować jak gwarancji schematu oferowanej przez późniejszą funkcję Structured Outputs. To rozróżnienie ma znaczenie, gdy wyjście ma wypełniać formularz, wybierać etykietę lub stanowić wejście do innego przepływu.
Edycja 1106 obsługuje równoległe wywoływanie funkcji, dzięki czemu model może zaproponować więcej niż jedno wywołanie w odpowiedzi. Może to wspierać zadanie wymagające kilku operacji zdefiniowanych przez aplikację lub niezależnych wyszukiwań informacji. Jasno opisz przeznaczenie każdej funkcji i jej oczekiwane wejścia. Otaczająca aplikacja wykonuje operację i dostarcza wynik; samo wygenerowane wywołanie funkcji nie dowodzi ukończenia działania. Sprawdź proponowane argumenty i zachowaj powiązanie odpowiedzi tekstowej z faktycznie zwróconymi wynikami.
Komunikat OpenAI o tej edycji dokumentuje dostrajanie nowego modelu GPT-3.5 Turbo z kontekstem 16K. Dostrojony model jest osobno przygotowanym wariantem, a nie automatyczną właściwością każdego żądania do tej edycji bazowej. W zwykłym użyciu zacznij od jasnej instrukcji i istotnych przykładów oczekiwanej odpowiedzi. Przy przygotowywaniu zadania wydobywania danych lub przeredagowywania przykłady powinny pokazywać ważne rozróżnienia, takie jak brakująca wartość lub fraza, która musi pozostać niezmieniona.
Przydatne wyniki obejmują odpowiedź obsługi klienta opartą na dostarczonych informacjach o produkcie, sprawdzony rekord JSON, zwięzłe wyjaśnienie kodu lub fragment przeredagowany według wskazanych ograniczeń. Porównaj wynik z tekstem źródłowym i wymaganym formatem. W przypadku kodu sprawdź proponowaną zmianę w docelowym projekcie; przy wydobywaniu danych sprawdź wartości i obsługę brakujących pól. Wartość tej edycji polega na zastosowaniu konkretnych możliwości tekstowych, przestrzegania formatu i wywoływania funkcji do wejścia o jasno określonym oczekiwanym wyniku.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gpt-3.5-turbo-1106 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.004 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "gpt-3.5-turbo-1106",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra gpt-3.5-turbo-1106
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
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.