GPT-4 Turbo Preview 1106 to pierwsza nazwana tekstowa edycja GPT-4 Turbo Preview firmy OpenAI. Wprowadza okno kontekstu 128K, lepsze wykonywanie instrukcji, tryb JSON i aktualizacje wywoływania funkcji, w tym żądania wielu funkcji w jednej wiadomości. Przydatny wynik to odpowiedź tekstowa, propozycja kodu lub ustrukturyzowany rekord aplikacji oparty na dostarczonym materiale. Ten profil 1106 jest odrębny od Vision Preview i późniejszej aktualizacji 0125.
Ogłoszenie wydania określa okno kontekstu 128K i wiedzę o wydarzeniach na świecie do kwietnia 2023 r. Dostarcz nowsze dowody, gdy zadanie zależy od aktualnych informacji. Większy kontekst może pomieścić powiązane dokumenty źródłowe lub kod, ale prompt nadal musi określać, co model ma z nimi zrobić. Podaj pytanie, materiał uznawany za rozstrzygający oraz oczekiwaną formę odpowiedzi.
Przy porównywaniu dokumentów wskaż wersje i poproś o zmienione warunki wraz z potwierdzającymi je fragmentami. W zadaniu programistycznym dołącz obecne zachowanie, pożądaną zmianę i odpowiednie ograniczenia interfejsu. Przydatnym rezultatem może być konkretna poprawka lub wyjaśnienie usterki z przypadkiem, który ją ujawnia. Pomijaj nieistotne materiały, aby skierować uwagę modelu na dowody wpływające na wynik.
Producent podkreśla lepsze wykonywanie instrukcji wymagających określonego formatu odpowiedzi. Żądanie może definiować uporządkowane wyjaśnienie, tabelę lub rekord przeznaczony do odczytu maszynowego. Nazwij pola i wyjaśnij, co zwrócić, gdy źródło nie określa danej wartości. Przykładowy opis przetwarzania rekordów może wymagać identyfikatora źródła, wyodrębnionego warunku oraz fragmentu, z którego go zaczerpnięto.
Tryb JSON ogranicza odpowiedź do poprawnego składniowo obiektu JSON w przepływie Chat Completions producenta. Poprawny JSON nie dowodzi, że rekord zawiera właściwe pola lub poprawne wartości. Oddziel walidację aplikacji i sprawdzanie źródła od kontrolowania formatu, szczególnie gdy następny krok zależy od konkretnego identyfikatora lub statusu. Przy używaniu trybu JSON producenta wyraźnie poleć modelowi wygenerowanie JSON i umieść w rozmowie słowo „JSON”. Bez tej instrukcji model może generować białe znaki aż do limitu tokenów; sprawdź, czy zwrócono kompletny obiekt. Późniejsze funkcje wyjścia ograniczonego schematem w innych modelach są innym mechanizmem.
Model może generować argumenty dla funkcji zdefiniowanych przez aplikację. Wydanie dodaje możliwość żądania kilku funkcji w jednej wiadomości, co może wspierać zadanie wymagające więcej niż jednego wyszukania danych. Opisz cel każdej funkcji i wymagane dane wejściowe, a następnie powiąż faktycznie zwrócone informacje z kolejną odpowiedzią. Model wybiera i opisuje żądanie; wykonuje je aplikacja.
Przy porównywaniu dwóch rekordów funkcja może pobrać rzeczywiste szczegóły każdego z nich, zanim asystent przygotuje porównanie. Zachowaj powiązanie żądanego elementu ze zwróconym wynikiem. Gdy brakuje źródła lub operacja się nie powiedzie, uwzględnij ten warunek w odpowiedzi, zamiast ogłaszać powodzenie wyłącznie na podstawie zaproponowanych argumentów.
Udostępniona przy premierze kontrolka seed w wersji beta ma przez większość czasu zapewniać spójne odpowiedzi. Używaj jej z tym samym materiałem źródłowym i pozostałymi ustawieniami przy porównywaniu niewielkiej zmiany promptu. Nie gwarantuje determinizmu, dlatego sprawdź obie odpowiedzi i zachowaj warunki wygenerowania każdej z nich.
Pierwotne wydanie odróżnia tę tekstową wersję Preview od GPT-4 Turbo with Vision oraz modeli generujących obrazy i mowę. W tym profilu podaj istotne informacje z diagramu w formie pisemnej, zamiast przenosić możliwości wejściowe modelu Vision. Późniejsza aktualizacja Preview 0125 zmierza do dokładniejszego kończenia zadań i naprawia błąd kodowania; edycja 1106 poprzedza te zmiany. Przy ocenie rezultatu zachowaj razem nazwany model, materiał źródłowy, żądany format i zwrócony wynik.
", "aboutText": "GPT-4 Turbo Preview 1106 to pierwsza nazwana tekstowa edycja GPT-4 Turbo Preview firmy OpenAI. Wprowadza okno kontekstu 128K, lepsze wykonywanie instrukcji, tryb JSON i aktualizacje wywoływania funkcji, w tym żądania wielu funkcji w jednej wiadomości. Przydatny wynik to odpowiedź tekstowa, propozycja kodu lub ustrukturyzowany rekord aplikacji oparty na dostarczonym materiale. Ten profil 1106 jest odrębny od Vision Preview i późniejszej aktualizacji 0125.\n\n### Połącz powiązane teksty w jednym zadaniu o określonym zakresie\n\nOgłoszenie wydania określa okno kontekstu 128K i wiedzę o wydarzeniach na świecie do kwietnia 2023 r. Dostarcz nowsze dowody, gdy zadanie zależy od aktualnych informacji. Większy kontekst może pomieścić powiązane dokumenty źródłowe lub kod, ale prompt nadal musi określać, co model ma z nimi zrobić. Podaj pytanie, materiał uznawany za rozstrzygający oraz oczekiwaną formę odpowiedzi.\n\nPrzy porównywaniu dokumentów wskaż wersje i poproś o zmienione warunki wraz z potwierdzającymi je fragmentami. W zadaniu programistycznym dołącz obecne zachowanie, pożądaną zmianę i odpowiednie ograniczenia interfejsu. Przydatnym rezultatem może być konkretna poprawka lub wyjaśnienie usterki z przypadkiem, który ją ujawnia. Pomijaj nieistotne materiały, aby skierować uwagę modelu na dowody wpływające na wynik.\n\n### Zachowaj żądany format\n\nProducent podkreśla lepsze wykonywanie instrukcji wymagających określonego formatu odpowiedzi. Żądanie może definiować uporządkowane wyjaśnienie, tabelę lub rekord przeznaczony do odczytu maszynowego. Nazwij pola i wyjaśnij, co zwrócić, gdy źródło nie określa danej wartości. Przykładowy opis przetwarzania rekordów może wymagać identyfikatora źródła, wyodrębnionego warunku oraz fragmentu, z którego go zaczerpnięto.\n\nTryb JSON ogranicza odpowiedź do poprawnego składniowo obiektu JSON w przepływie Chat Completions producenta. Poprawny JSON nie dowodzi, że rekord zawiera właściwe pola lub poprawne wartości. Oddziel walidację aplikacji i sprawdzanie źródła od kontrolowania formatu, szczególnie gdy następny krok zależy od konkretnego identyfikatora lub statusu. Przy używaniu trybu JSON producenta wyraźnie poleć modelowi wygenerowanie JSON i umieść w rozmowie słowo „JSON”. Bez tej instrukcji model może generować białe znaki aż do limitu tokenów; sprawdź, czy zwrócono kompletny obiekt. Późniejsze funkcje wyjścia ograniczonego schematem w innych modelach są innym mechanizmem.\n\n### Żądaj funkcji z użytecznymi argumentami\n\nModel może generować argumenty dla funkcji zdefiniowanych przez aplikację. Wydanie dodaje możliwość żądania kilku funkcji w jednej wiadomości, co może wspierać zadanie wymagające więcej niż jednego wyszukania danych. Opisz cel każdej funkcji i wymagane dane wejściowe, a następnie powiąż faktycznie zwrócone informacje z kolejną odpowiedzią. Model wybiera i opisuje żądanie; wykonuje je aplikacja.\n\nPrzy porównywaniu dwóch rekordów funkcja może pobrać rzeczywiste szczegóły każdego z nich, zanim asystent przygotuje porównanie. Zachowaj powiązanie żądanego elementu ze zwróconym wynikiem. Gdy brakuje źródła lub operacja się nie powiedzie, uwzględnij ten warunek w odpowiedzi, zamiast ogłaszać powodzenie wyłącznie na podstawie zaproponowanych argumentów.\n\n### Powtarzalne eksperymenty i wybrana edycja\n\nUdostępniona przy premierze kontrolka seed w wersji beta ma przez większość czasu zapewniać spójne odpowiedzi. Używaj jej z tym samym materiałem źródłowym i pozostałymi ustawieniami przy porównywaniu niewielkiej zmiany promptu. Nie gwarantuje determinizmu, dlatego sprawdź obie odpowiedzi i zachowaj warunki wygenerowania każdej z nich.\n\nPierwotne wydanie odróżnia tę tekstową wersję Preview od GPT-4 Turbo with Vision oraz modeli generujących obrazy i mowę. W tym profilu podaj istotne informacje z diagramu w formie pisemnej, zamiast przenosić możliwości wejściowe modelu Vision. Późniejsza aktualizacja Preview 0125 zmierza do dokładniejszego kończenia zadań i naprawia błąd kodowania; edycja 1106 poprzedza te zmiany. Przy ocenie rezultatu zachowaj razem nazwany model, materiał źródłowy, żądany format i zwrócony wynik.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Extract a source-linked renewal record\n\nFrom this note, draft a JSON object with fields account, renewal_date, owner and evidence: “Account Northbridge renews on 30 June. The commercial owner has not yet been assigned.” Use null for an unstated owner, retain the date wording and include the source sentence supporting the renewal date. Return no extra prose.A requested JSON record with the four named fields, an unknown owner and source evidence.Parse the returned record and check its values against the note; requested JSON formatting does not replace field validation.gpt-4-1106-previewGPT-4 Turbo Preview 1106 obsługuje zadania tekstowe i programistyczne wymagające długiego kontekstu, z udokumentowanym oknem kontekstowym 128K. Tryb JSON i wywoływanie funkcji pomagają przekształcać dostarczony materiał w odpowiedzi tekstowe lub rekordy aplikacji, z zachowaniem odrębności dokładnej edycji Preview względem modeli wizyjnych i późniejszych modeli.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-4 Turbo Preview 1106 to pierwsza nazwana tekstowa edycja GPT-4 Turbo Preview firmy OpenAI. Wprowadza okno kontekstu 128K, lepsze wykonywanie instrukcji, tryb JSON i aktualizacje wywoływania funkcji, w tym żądania wielu funkcji w jednej wiadomości. Przydatny wynik to odpowiedź tekstowa, propozycja kodu lub ustrukturyzowany rekord aplikacji oparty na dostarczonym materiale. Ten profil 1106 jest odrębny od Vision Preview i późniejszej aktualizacji 0125.
Ogłoszenie wydania określa okno kontekstu 128K i wiedzę o wydarzeniach na świecie do kwietnia 2023 r. Dostarcz nowsze dowody, gdy zadanie zależy od aktualnych informacji. Większy kontekst może pomieścić powiązane dokumenty źródłowe lub kod, ale prompt nadal musi określać, co model ma z nimi zrobić. Podaj pytanie, materiał uznawany za rozstrzygający oraz oczekiwaną formę odpowiedzi.
Przy porównywaniu dokumentów wskaż wersje i poproś o zmienione warunki wraz z potwierdzającymi je fragmentami. W zadaniu programistycznym dołącz obecne zachowanie, pożądaną zmianę i odpowiednie ograniczenia interfejsu. Przydatnym rezultatem może być konkretna poprawka lub wyjaśnienie usterki z przypadkiem, który ją ujawnia. Pomijaj nieistotne materiały, aby skierować uwagę modelu na dowody wpływające na wynik.
Producent podkreśla lepsze wykonywanie instrukcji wymagających określonego formatu odpowiedzi. Żądanie może definiować uporządkowane wyjaśnienie, tabelę lub rekord przeznaczony do odczytu maszynowego. Nazwij pola i wyjaśnij, co zwrócić, gdy źródło nie określa danej wartości. Przykładowy opis przetwarzania rekordów może wymagać identyfikatora źródła, wyodrębnionego warunku oraz fragmentu, z którego go zaczerpnięto.
Tryb JSON ogranicza odpowiedź do poprawnego składniowo obiektu JSON w przepływie Chat Completions producenta. Poprawny JSON nie dowodzi, że rekord zawiera właściwe pola lub poprawne wartości. Oddziel walidację aplikacji i sprawdzanie źródła od kontrolowania formatu, szczególnie gdy następny krok zależy od konkretnego identyfikatora lub statusu. Przy używaniu trybu JSON producenta wyraźnie poleć modelowi wygenerowanie JSON i umieść w rozmowie słowo „JSON”. Bez tej instrukcji model może generować białe znaki aż do limitu tokenów; sprawdź, czy zwrócono kompletny obiekt. Późniejsze funkcje wyjścia ograniczonego schematem w innych modelach są innym mechanizmem.
Model może generować argumenty dla funkcji zdefiniowanych przez aplikację. Wydanie dodaje możliwość żądania kilku funkcji w jednej wiadomości, co może wspierać zadanie wymagające więcej niż jednego wyszukania danych. Opisz cel każdej funkcji i wymagane dane wejściowe, a następnie powiąż faktycznie zwrócone informacje z kolejną odpowiedzią. Model wybiera i opisuje żądanie; wykonuje je aplikacja.
Przy porównywaniu dwóch rekordów funkcja może pobrać rzeczywiste szczegóły każdego z nich, zanim asystent przygotuje porównanie. Zachowaj powiązanie żądanego elementu ze zwróconym wynikiem. Gdy brakuje źródła lub operacja się nie powiedzie, uwzględnij ten warunek w odpowiedzi, zamiast ogłaszać powodzenie wyłącznie na podstawie zaproponowanych argumentów.
Udostępniona przy premierze kontrolka seed w wersji beta ma przez większość czasu zapewniać spójne odpowiedzi. Używaj jej z tym samym materiałem źródłowym i pozostałymi ustawieniami przy porównywaniu niewielkiej zmiany promptu. Nie gwarantuje determinizmu, dlatego sprawdź obie odpowiedzi i zachowaj warunki wygenerowania każdej z nich.
Pierwotne wydanie odróżnia tę tekstową wersję Preview od GPT-4 Turbo with Vision oraz modeli generujących obrazy i mowę. W tym profilu podaj istotne informacje z diagramu w formie pisemnej, zamiast przenosić możliwości wejściowe modelu Vision. Późniejsza aktualizacja Preview 0125 zmierza do dokładniejszego kończenia zadań i naprawia błąd kodowania; edycja 1106 poprzedza te zmiany. Przy ocenie rezultatu zachowaj razem nazwany model, materiał źródłowy, żądany format i zwrócony wynik.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gpt-4-1106-preview | 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 $0.02 / 1K tokenów Wyjście · Tokeny wyjściowe $0.06 / 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-4-1106-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-4-1106-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-4-1106-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 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-4-1106-preview
Użyj ścieżek metod podanych powyżej.
gpt-4-1106-previewGPT-4 Turbo Preview 1106 obsługuje zadania tekstowe i programistyczne wymagające długiego kontekstu, z udokumentowanym oknem kontekstowym 128K. Tryb JSON i wywoływanie funkcji pomagają przekształcać dostarczony materiał w odpowiedzi tekstowe lub rekordy aplikacji, z zachowaniem odrębności dokładnej edycji Preview względem modeli wizyjnych i późniejszych modeli.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-4 Turbo Preview 1106 to pierwsza nazwana tekstowa edycja GPT-4 Turbo Preview firmy OpenAI. Wprowadza okno kontekstu 128K, lepsze wykonywanie instrukcji, tryb JSON i aktualizacje wywoływania funkcji, w tym żądania wielu funkcji w jednej wiadomości. Przydatny wynik to odpowiedź tekstowa, propozycja kodu lub ustrukturyzowany rekord aplikacji oparty na dostarczonym materiale. Ten profil 1106 jest odrębny od Vision Preview i późniejszej aktualizacji 0125.
Ogłoszenie wydania określa okno kontekstu 128K i wiedzę o wydarzeniach na świecie do kwietnia 2023 r. Dostarcz nowsze dowody, gdy zadanie zależy od aktualnych informacji. Większy kontekst może pomieścić powiązane dokumenty źródłowe lub kod, ale prompt nadal musi określać, co model ma z nimi zrobić. Podaj pytanie, materiał uznawany za rozstrzygający oraz oczekiwaną formę odpowiedzi.
Przy porównywaniu dokumentów wskaż wersje i poproś o zmienione warunki wraz z potwierdzającymi je fragmentami. W zadaniu programistycznym dołącz obecne zachowanie, pożądaną zmianę i odpowiednie ograniczenia interfejsu. Przydatnym rezultatem może być konkretna poprawka lub wyjaśnienie usterki z przypadkiem, który ją ujawnia. Pomijaj nieistotne materiały, aby skierować uwagę modelu na dowody wpływające na wynik.
Producent podkreśla lepsze wykonywanie instrukcji wymagających określonego formatu odpowiedzi. Żądanie może definiować uporządkowane wyjaśnienie, tabelę lub rekord przeznaczony do odczytu maszynowego. Nazwij pola i wyjaśnij, co zwrócić, gdy źródło nie określa danej wartości. Przykładowy opis przetwarzania rekordów może wymagać identyfikatora źródła, wyodrębnionego warunku oraz fragmentu, z którego go zaczerpnięto.
Tryb JSON ogranicza odpowiedź do poprawnego składniowo obiektu JSON w przepływie Chat Completions producenta. Poprawny JSON nie dowodzi, że rekord zawiera właściwe pola lub poprawne wartości. Oddziel walidację aplikacji i sprawdzanie źródła od kontrolowania formatu, szczególnie gdy następny krok zależy od konkretnego identyfikatora lub statusu. Przy używaniu trybu JSON producenta wyraźnie poleć modelowi wygenerowanie JSON i umieść w rozmowie słowo „JSON”. Bez tej instrukcji model może generować białe znaki aż do limitu tokenów; sprawdź, czy zwrócono kompletny obiekt. Późniejsze funkcje wyjścia ograniczonego schematem w innych modelach są innym mechanizmem.
Model może generować argumenty dla funkcji zdefiniowanych przez aplikację. Wydanie dodaje możliwość żądania kilku funkcji w jednej wiadomości, co może wspierać zadanie wymagające więcej niż jednego wyszukania danych. Opisz cel każdej funkcji i wymagane dane wejściowe, a następnie powiąż faktycznie zwrócone informacje z kolejną odpowiedzią. Model wybiera i opisuje żądanie; wykonuje je aplikacja.
Przy porównywaniu dwóch rekordów funkcja może pobrać rzeczywiste szczegóły każdego z nich, zanim asystent przygotuje porównanie. Zachowaj powiązanie żądanego elementu ze zwróconym wynikiem. Gdy brakuje źródła lub operacja się nie powiedzie, uwzględnij ten warunek w odpowiedzi, zamiast ogłaszać powodzenie wyłącznie na podstawie zaproponowanych argumentów.
Udostępniona przy premierze kontrolka seed w wersji beta ma przez większość czasu zapewniać spójne odpowiedzi. Używaj jej z tym samym materiałem źródłowym i pozostałymi ustawieniami przy porównywaniu niewielkiej zmiany promptu. Nie gwarantuje determinizmu, dlatego sprawdź obie odpowiedzi i zachowaj warunki wygenerowania każdej z nich.
Pierwotne wydanie odróżnia tę tekstową wersję Preview od GPT-4 Turbo with Vision oraz modeli generujących obrazy i mowę. W tym profilu podaj istotne informacje z diagramu w formie pisemnej, zamiast przenosić możliwości wejściowe modelu Vision. Późniejsza aktualizacja Preview 0125 zmierza do dokładniejszego kończenia zadań i naprawia błąd kodowania; edycja 1106 poprzedza te zmiany. Przy ocenie rezultatu zachowaj razem nazwany model, materiał źródłowy, żądany format i zwrócony wynik.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gpt-4-1106-preview | 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 $0.02 / 1K tokenów Wyjście · Tokeny wyjściowe $0.06 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "gpt-4-1106-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-1106-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-4-1106-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 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-4-1106-preview
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Extract a source-linked renewal record\n\nFrom this note, draft a JSON object with fields account, renewal_date, owner and evidence: “Account Northbridge renews on 30 June. The commercial owner has not yet been assigned.” Use null for an unstated owner, retain the date wording and include the source sentence supporting the renewal date. Return no extra prose.A requested JSON record with the four named fields, an unknown owner and source evidence.Parse the returned record and check its values against the note; requested JSON formatting does not replace field validation.